Swift Diffusers for Mac 1.1 发布

Hugging Face 已发布 Diffusers for Mac 1.1 版，这是一款原生应用，可在 macOS 上实现快速的本地文本到图像生成。通过将社区贡献的扩散模型转换为 Core ML，应用在 Apple Silicon 的 CPU、GPU 和神经引擎（ANE）之间实现性能优化。

Core ML 集成与原生性能

Diffusers for Mac 提供了 Python‑based diffusers 库的原生替代方案。Python 库使用 PyTorch 的 mps 加速器，而原生应用则利用 Core ML，后者具备以下技术优势：

• 硬件编排： Core ML 能够在 CPU、GPU 和神经引擎之间同时分配模型工作负载。相比之下，PyTorch 的 mps 设备无法使用神经引擎。
• 本地执行： 所有图像生成均在用户机器本地完成，确保数据隐私，并且无需云端积分或排队等待。
• 原生用户体验： 应用使用 Swift 和 SwiftUI 构建，遵循 Apple 的设计指南，无需命令行界面或虚拟环境管理。

性能基准与硬件优化

在 1.1 版中，文本到图像的生成速度可根据硬件配置提升至原来的两倍。不同 Apple Silicon 芯片的表现差异显著：

• 标准 M1 处理器： 这些设备（例如 Mac Mini）在使用 Apple 神经引擎（ANE）时比使用 GPU 快两倍。
• M1 Max： 在高端芯片如 M1 Max 上，由于 GPU 与 CPU 性能核心数量远高于神经引擎，GPU 生成速度明显快于 ANE。
• 内存影响： 基准测试表明系统内存大小（如 8 GB 与 16 GB）对生成性能影响不大，主要驱动因素是 CPU 与 GPU 核心数量。

基准数据汇总

模型名称	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

版本 1.1 包含启发式算法，可根据检测到的硬件自动选择最佳加速器。

1.1 版功能更新

除了性能优化外，1.1 版还引入了多项用户体验和功能改进：

• 生成控制： 用户现在可以调节 guidance scale、取消正在进行的生成，并可选择关闭安全检查器。
• 工作流增强： 应用新增模型下载指示器，并提供快捷方式以复用上一次生成的种子，实现迭代微调。
• 教育提示： 新增信息帮助解释各种生成设置的作用，使非技术用户也能更容易上手。

未来路线图

Hugging Face 计划通过以下方式进一步扩展 Apple 生态系统的能力：

• 模型访问扩展： 实现更便捷地从 Hugging Face Hub 获取更多微调或 Dreambooth 模型。
• 平台扩展： 开发 iOS 与 iPadOS 版本的应用。