Nunchaku
SVDQuant：吸收异常值的低秩 4-bit 扩散模型量化方案（ICLR 2025 Spotlight）。在保持图像生成质量的同时大幅降低显存占用，支持 FLUX 等主流扩散模型。3.9K+ stars
🎯适用场景：扩散模型低比特量化、显存受限环境的图像生成
📊 仓库数据
✅ 优点
- •ICLR 2025 Spotlight 论文品质
- •4-bit 量化大幅降低显存
- •保持图像生成质量
- •支持 FLUX 等主流模型
⚠️ 限制
- •集成到推理框架需工程经验
- •主要面向扩散模型
- •最后推送为 3 月，维护活跃度待观察
🔗 相关工具
diffusers
github.com/huggingface/diffusers
🤗 扩散模型工具库，6.5K+ stars。最先进的图像、视频和音频扩散模型，Hugging Face 出品的生成式 AI 核心工具
🎯多模态内容理解与生成
VideoCrafter
github.com/AILab-CVC/VideoCrafter
VideoCrafter2 高质量视频扩散模型，突破数据限制实现高质量视频生成，支持文本到视频和图像到视频。
🎯高质量视频生成——适合需要文本/图像到视频生成的开发者和创作者
Stable Diffusion WebUI
github.com/AUTOMATIC1111/stable-diffusion-webui
最流行的 Stable Diffusion Web UI，162,491+ stars。提供直观的图形界面，支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能，是 AI 图像生成领域的事实标准工具
🎯大模型微调与训练、多模态内容理解与生成
ComfyUI
github.com/comfyanonymous/ComfyUI
节点式 Diffusion 模型 GUI，109,363+ stars。基于节点的工作流编排，可视化连接各处理模块，是最强大的图像生成工作流工具，支持 SDXL、Flux、Stable Cascade 等最新模型
🎯AI 工作流编排与自动化、多模态内容理解与生成
OpenAI Whisper
github.com/openai/whisper
OpenAI 开源语音识别模型，99.9K+ stars。支持 99 种语言自动语音识别与翻译，可本地部署保护隐私，广泛用于会议转录、字幕生成等场景
🎯多语言语音转文字、音频转录、本地私有化语音识别
Deep Live Cam
github.com/hacksider/Deep-Live-Cam
实时人脸替换工具，91,252+ stars。仅需一张照片即可实现实时视频换脸和一键视频 Deepfake，基于 AI 视觉模型实现高精度面部替换。支持摄像头实时预览和离线视频处理，是 AI 换脸领域最受欢迎的开源项目。
🎯多模态内容理解与生成