OpenAI的视频生成模型Sora爆火一个多月，有关Diffusion Model的解析和探讨还在持续。

近日，在硅基流动、EPIC、Datawhale主办的《多模态时代已至，Diffusion Model怎么玩儿？》活动中，硅基流动的OneDiff作者之一姚迟对图片/视频生成推理加速进行了全面介绍。

自开源Stable Diffusion模型发布以来，OneDiff就以其卓越的性能长期保持领先。目前，OneDiff企业版的图像生成速度最高可达基准引擎的3倍，之所以能够达到这样的速度，是因为硅基流动在CUDA优化、动静图转换、编译优化和算子融合等技术积累。

对用户而言，使用同样的GPU，原本需要24小时不间断工作才能完成的生成式任务，使用OneDiff可以8小时内就可以搞定。

（SDXL E2E Time）

（SVD E2E Time）

OneDiff不仅注重性能，还兼顾灵活性。它向下对接各种深度学习引擎，向上对接Diffusers，ComfyUI和SD-WebUI前端应用框架，满足各类用户的需求。在底层架构上，OneDiff实现了与PyTorch的混合运行，是市面上唯一实现了这种混合运行技术的产品。通过自研的虚拟机和编译技术，OneDiff将加速收益高的部分交给资源虚拟机处理，而对于那些加速效益不高的部分，为了保持灵活性可继续使用PyTorch。

值得一提的是，为解决预热时间长和部署成本高的难题，硅基流动团队借助自研的虚拟机对编译进行了系列优化，将预热做得足够小，同时避免了设备转换间的重复编译问题。

在图像输出效果上，OneDiff几乎实现了无损加速。

目前，OneDiff在GitHub上开放了免费的社区版本，并且刚刚发布了OneDiff v0.12.1 ，能帮助用户在生产环境稳定加速SD与SVD，新版本特性包括SDXL和SVD的SOTA性能更新、全面支持SD和SVD动态分辨率运行、编译/保存/加载HF Diffusers的pipeline、HF Diffusers的快速LoRA加载和切换、加速了 InstantID（加速1.8倍）、加速了 SDXL Lightning。

无论是算法研究还是工业部署，用户都可以轻松上手OneDiff。欢迎体验OneDiff社区版：github.com/siliconflow/onediff

其他人都在看

• 800+页免费“大模型”电子书

• 揭示语言大模型的采样过程

• 混合输入矩阵乘法的性能优化

• 好久不见！OneFlow 1.0全新版本上线

• OpenAI首席科学家：直面AGI的可能性

• OpenAI的组织形态、决策机制与产品构建

• Transformer作者：指令型智能体构建之法