Swift Diffusers for Mac 1.1 リリース

Hugging Face は、macOS 上で高速なローカルテキスト‑ツー‑イメージ生成を可能にするネイティブアプリ Diffusers for Mac のバージョン 1.1 をリリースしました。コミュニティが提供した拡散モデルを Core ML に変換することで、Apple Silicon の CPU、GPU、Neural Engine（ANE）全体でパフォーマンスを最適化しています。

Core ML 統合とネイティブパフォーマンス

Diffusers for Mac は、Python ベースの diffusers ライブラリに代わるネイティブな選択肢を提供します。Python ライブラリが PyTorch の mps アクセラレータを使用するのに対し、ネイティブアプリは Core ML を利用し、以下のような技術的利点があります。

• ハードウェアオーケストレーション: Core ML はモデルのワークロードを CPU、GPU、Neural Engine に同時に分散させることができます。一方、PyTorch の mps デバイスは Neural Engine を利用できません。
• ローカル実行: すべての画像生成がユーザーのマシン上でローカルに行われるため、データプライバシーが保護され、クラウドクレジットやキュー待ちが不要です。
• ネイティブ UX: アプリは Swift と SwiftUI で構築されており、Apple のデザインガイドラインに準拠しているため、コマンドラインインターフェースや仮想環境の管理が不要です。

パフォーマンスベンチマークとハードウェア最適化

バージョン 1.1 のテキスト‑ツー‑イメージ生成は、ハードウェア構成に応じて最大で 2 倍の高速化が期待できます。パフォーマンスは使用する Apple Silicon チップに大きく依存します。

• 標準 M1 プロセッサ: これらのデバイス（例: Mac Mini）は、GPU よりも Apple Neural Engine（ANE）を使用した場合に約 2 倍速くなります。
• M1 Max: M1 Max のようなハイエンドチップでは、GPU のコア数と CPU のパフォーマンスコアが Neural Engine よりも多いため、GPU での生成が ANE よりも大幅に速くなります。
• メモリの影響: ベンチマーク結果は、システムメモリ量（例: 8 GB と 16 GB）による生成速度への影響はほとんどなく、CPU と GPU のコア数が主な要因であることを示しています。

ベンチマークデータ概要

モデル名	M1 8 GB (ANE)	M1 16 GB (ANE)	M2 24 GB (ANE)	M1 Max 64 GB (GPU)
Stable Diffusion 1.5	18.8	18.7	13.1	9
Stable Diffusion 2 Base	14.5	14.4	10.5	8.3
Stable Diffusion 2.1 Base	14.3	14.3	10.5	8.3
small-stable-diffusion-v0	12.3	12.7	9.1	6.3

バージョン 1.1 には、検出されたハードウェアに基づいて最適なアクセラレータを自動的に選択するヒューリスティックが組み込まれています。

バージョン 1.1 の機能更新

パフォーマンス最適化に加えて、バージョン 1.1 では以下のユーザー体験と機能面の改善が行われました。

• 生成コントロール: ガイダンススケールの調整、アクティブな生成のキャンセル、オプションで安全性チェッカーの無効化が可能になりました。
• ワークフロー強化: モデルダウンロードのインジケーターが追加され、前回の生成シードを再利用して反復的に調整できるショートカットが実装されました。
• 教育的ツールチップ: 各種生成設定の機能を説明する情報が新たに追加され、非技術的なユーザーでもツールを使いやすくなっています。

今後のロードマップ

Hugging Face は Apple エコシステム統合の機能拡張を以下のように計画しています。

• モデルアクセスの拡充: Hugging Face Hub から追加のファインチューニング済みモデルや Dreambooth モデルへのアクセスを容易にする実装。
• プラットフォーム拡張: iOS と iPadOS 向けのアプリバージョンの開発。