苹果M1芯片上运行Stable Diffusion，生成图片只需15秒，几步搞定 机器之心报道机器之心编辑部大火的Stable Diffusion，现在也能在苹果电脑上运行了。 最近由慕尼黑大学等机构新出的文本 - 图像模型 Stable Diffusion，可谓是火出了圈，生成的图片妥妥达到大片级别： 生物的进化 Stable Diffusion 可以在消费级 GPU 上的 10 GB VRAM 下运行，并在几秒钟内生成 512x512 像素的图像，无需预处理和后处理。 最重要的是，Stable Diffusion 是开源的，任何人都可以运行和修改它。 更是有研究者将其和 Web UI「拼在」一起，两者组合成绘画工具，让没有系统学习过 UI 知识的你，也可以上手操作。无需手动输入参数，调整滑块就可以了： 在城堡外面安排一名侍卫，并让一位骑马的战士奔向城堡 你可能也想上手体验一把 Stable Diffusion 带来的创作体验，但困于资源有限，实现不了？不用担心，在云上就能运行 Stable Diffusion，此外，对于有能力的小伙伴，也可以本地运行。 想要本地运行的话，可能就有点复杂了，比如在 M1 Mac 的 GPU 上工作就有点棘手。这里，本文将介绍一种简单指南来告诉你如何做到这一点。 实现过程 首先你需要带有 M1 或 M2 芯片的 Mac；其次是 16GB RAM，假如是 8GB RAM 的话，运行会非常慢；最后是 macOS 12.3 或更高版本。 先决条件准备好后，接下来就是设置 Python 了，版本为 Python 3.10。不知道 Python 版本的，可以运行 python -V 查看： $ python3 -V !11338Python 3.10.6 假如你的 Python 是 3.10 或是更高版本，接下来的一步就可以跳过。否则你需要安装 Python 3.10，最简单的方法就是使用 Homebrew。安装方法如下： brew updatebrew install python 克隆存储库并安装依赖项 Python 安装好后，接下来就是安装 Stable Diffusion： git clone -b apple-silicon-mps-support https://github.com/bfirsh/stable-diffusion.gitcd stable-diffusionmkdir -p models/ldm/stable-diffusion-v1/ 这里需要先设置 virtualenv 来安装依赖项： python3 -m pip install virtualenvpython3 -m virtualenv venv 然后激活 virtualenv： source venv/bin/activate 激活后，安装依赖项： pip install -r requirements.txt 如果你看到类似于「Failed building wheel for onnx」的错误，你可能还需要安装这些包： brew install Cmake protobuf rust 下载权重 转到 Hugging Face 存储库，阅读许可证，然后单击「Access repository」。在该页面上下载 sd-v1-4.ckpt (~4 GB) ，并将其保存在 models/ldm/stable-diffusion-v1/model.ckpt 目录中。 Hugging Face 存储库地址：https://huggingface.co/CompVis/stable-diffusion-v-1-4-original 一切准备就绪，Stable Diffusion 就能运行起来了： python scripts/txt2img.py \ --prompt "a red juicy apple floating in outer space, like a planet" \ --n_samples 1 --n_iter 1 --plms 输出结果保存在 outputs/txt2img-samples / 目录中，就像这样： 整个过程大约 15 秒就能生成 512x512 图像： 一些链接： 云运行 Stable Diffusion：https://replicate.com/blog/run-stable-diffusion-with-an-apistable-diffusion GitHub：https://github.com/magnusviri/stable-diffusion本文参考链接：https://replicate.com/blog/run-stable-diffusion-on-m1-mac 掌握「声纹识别技术」：前20小时交给我，后9980小时…… 《声纹识别：从理论到编程实战》中文课上线，由谷歌声纹团队负责人王泉博士主讲。课程视频内容共 12 小时，着重介绍基于深度学习的声纹识别系统，包括大量学术界与产业界的最新研究成果。同时课程配有 32 次课后测验、10 次编程练习、10 次大作业，确保课程结束时可以亲自上手从零搭建一个完整的声纹识别系统。点击阅读原文，了解更多课程内容。?THE END 转载请联系本公众号获得授权 投稿或寻求报道：content@jiqizhixin.com 阅读原文