此应用程序使用 Apple 的Core ML Stable Diffusion实现，以在基于 Apple Silicon 的 Mac 上实现最高性能和速度，同时降低内存需求。它还可以在基于 Intel 的 Mac 上运行。

特征

• 极快且内存高效（使用神经引擎约 150MB）
• 通过充分利用神经引擎在所有 Apple Silicon Mac 上运行良好
• 在本地和完全离线生成图像
• 基于现有图像生成图像（通常称为Image2Image）
• 生成的图像与 EXIF 元数据中的提示信息一起保存（在 Finder 的“获取信息”窗口中查看）
• 将生成的图像转换为高分辨率（使用 RealESRGAN）
• 自动保存和恢复图像
• 使用自定义稳定扩散核心 ML 模型
• 不用担心腌制模型
• 使用 SwiftUI 的 macOS 原生应用

首次使用模型时，神经引擎可能需要长达 2 分钟的时间来编译缓存版本。之后，后代会快得多。

计算单元

• CPU & Neural Engine 在速度和低内存使用之间提供了良好的平衡
• CPU & GPU 在 M1 Max、Ultra 和更高版本上可能更快，但会使用更多内存

根据选择的选项，您将需要使用正确的模型版本（有关详细信息，请参阅模型部分）。
Intel Macs 使用 CPU & GPU ，因为它没有神经引擎。

楷模

您需要转换或下载 Core ML 模型才能使用 Mochi Diffusion。
一些模型已经转换并上传 到这里。

1. 转换 或下载 Core ML 模型
   • split_einsum 版本兼容所有计算单元选项，包括神经引擎
   • original 版本仅与 CPU & GPU 选项兼容
2. 默认情况下，应用程序的模型文件夹将创建在 Documents 文件夹下。可以在“设置”下自定义此位置
3. 在模型文件夹中，使用您希望在应用程序中显示的名称创建一个新文件夹，然后在此处移动或提取转换后的模型
4. 您的目录应如下所示：

Documents/
└── 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 Silicon（M1 及更高版本）或 Intel Mac（需要高性能 CPU 和 GPU）
• macOS Ventura 13.1 及更高版本
• Xcode 14.2（构建）

什么是新的

版本 3.1：

• 添加了自动选择 ML 计算单元的选项 (@vzsg)
• 添加了对恢复 jpeg 文件的支持（@vzsg）
• 将默认模型和图像文件夹目录更改为用户的主目录
• 更改导入行为以复制图像
• 更新翻译

兼容性

macOS 13.1 或更高版本。
Apple Silicon 或英特尔酷睿处理器