简介

本应用内置 Apple 的 Core ML Stable Diffusion 框架 以实现在搭载 Apple 芯片的 Mac 上用极低的内存占用发挥出最优性能。

功能

• 极致性能和极低内存占用 (使用神经网络引擎时 ~150MB)
• 在所有搭载 Apple 芯片的 Mac 上充分发挥神经网络引擎的优势
• 生成图像时无需联网
• 图像转图像（也被称为 Image2Image）
• 在图像的 EXIF 信息中存储所有的关键词（在访达的“显示简介”窗口中查看）
• 使用 RealESRGAN 放大生成的图像
• 自动保存 & 恢复图像
• 自定义 Stable Diffusion Core ML 模型
• 无需担心损坏的模型
• 使用 macOS 原生框架 SwiftUI 开发

下载

在 发行 页面下载最新版本。

运行

在初次运行模型时, 神经网络引擎可能需要约 2 分钟编译缓存，后续运行速度会显著提高。

计算单元

• CPU 和神经网络引擎 能很好地平衡性能和内存占用
• CPU 和 GPU 在 M1 Max/Ultra 及后续型号上可能更快，但会占用更多内存

你需要根据不同的计算单元选择对应的模型 (详情见模型部分)。

模型

你需要自行转换或下载 Core ML 模型以使用 Mochi Diffusion。

这里上传了几个已经转换好的模型: https://huggingface.co/coreml

1. 转换 或下载 Core ML 模型

• split_einsum 版本适用于包括神经网络引擎在内的所有计算单元
• original 版本仅适用于 CPU 和 GPU
• 默认情况下，应用程序的模型文件夹将创建在您的主目录下。可以在“设置”下自定义此位置
• 在模型文件夹中，你可以新建一个文件夹，用自己想在应用内显示的名字为其重命名，再将转换好的模型放到文件夹中
• 你的文件夹路径应该像这样:

/
└── MochiDiffusion/
    └── models/
        ├── stable-diffusion-2-1_split-einsum_compiled/
        │   ├── merges.txt
        │   ├── TextEncoder.mlmodelc
        │   ├── Unet.mlmodelc
        │   ├── VAEDecoder.mlmodelc
        │   ├── VAEEncoder.mlmodelc
        │   └── vocab.json
        ├── ...
        └── ...

兼容性

• Apple 芯片的 Mac (M1 及后续)
• macOS Ventura 13.1 以上
• Xcode 14.2 (自行构建)