Swift Diffusers for Mac 1.1 發布

Hugging Face 已發布 Diffusers for Mac 1.1 版，這是一款原生應用，可在 macOS 上實現快速的本地文字轉圖像生成。透過將社群貢獻的 diffusion 模型轉換為 Core ML，該應用在 Apple Silicon 的 CPU、GPU 與 Neural Engine（ANE）上優化效能。

Core ML 整合與原生效能

Diffusers for Mac 提供了 Python 基礎的 diffusers 函式庫的原生替代方案。雖然 Python 函式庫使用 PyTorch 的 mps 加速器，原生應用則採用 Core ML，具備多項技術優勢：

• 硬體協調： Core ML 能同時在 CPU、GPU 與 Neural Engine 之間分配模型工作負載。相較之下，PyTorch 的 mps 裝置無法使用 Neural Engine。
• 本地執行： 所有圖像生成皆在使用者的機器上本地完成，確保資料隱私，且不需雲端點數或排隊時間。
• 原生使用者體驗： 此應用以 Swift 與 SwiftUI 建置，遵循 Apple 的設計指南，免除指令列介面或虛擬環境管理的需求。

效能基準與硬體最佳化

1.1 版的文字轉圖像生成速度可視硬體配置提升至兩倍。效能會根據所使用的 Apple Silicon 晶片而有顯著差異：

• 標準 M1 處理器： 這類裝置（例如 Mac Mini）在使用 Apple Neural Engine（ANE）時比使用 GPU 快兩倍。
• M1 Max： 在像 M1 Max 這樣的高階晶片上，GPU 生成速度遠快於 ANE，因為相較於 Neural Engine，GPU 與 CPU 效能核心的數量更多。
• 記憶體影響： 基準測試顯示系統記憶體容量（例如 8GB 與 16GB）對生成效能影響不大，主要驅動因素是 CPU 與 GPU 核心數量。

基準資料摘要

模型名稱	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 包含啟發式演算法，可根據偵測到的硬體自動選擇最佳加速器。

版本 1.1 功能更新

除了效能最佳化外，版本 1.1 還帶來多項使用者體驗與功能的改進：

• 生成控制： 使用者現在可以調整 guidance scale、取消正在進行的生成，並可選擇停用 safety checker。
• 工作流程增強： 應用現在加入模型下載指示器，並提供快捷方式以重新使用先前生成的 seed 進行迭代調整。
• 教育提示： 新增說明資訊，解釋各種生成設定的功能，使工具對非技術使用者更友善。

未來路線圖

Hugging Face 計畫透過以下方式擴展 Apple 生態系統整合的功能：

• 擴充模型存取： 讓使用者更容易從 Hugging Face Hub 取得更多微調或 Dreambooth 模型。
• 平台擴展： 開發 iOS 與 iPadOS 版本的應用。