用途：本技能是一份使用 HuggingFace Diffusers 库驱动 Stable Diffusion 生成图像的综合指南。适用于：根据文字描述生成图像；图像到图像转换（风格迁移、增强）；局部重绘（填充掩码区域）；扩图（将图像扩展到边界之外）；创建现有图像的变体；搭建自定义图像生成工作流。
主要能力：支持文生图、图生图、局部重绘、ControlNet 空间条件控制、LoRA 微调与风格适配，并覆盖 SD 1.5、SDXL、SD 3.0、Flux 等多种模型。文档列出 Diffusers 的三部分架构：流水线负责编排，模型负责神经网络（UNet/Transformer 预测噪声、VAE 编解码、CLIP/T5 文本编码器），调度器负责去噪算法。
使用方式：先安装依赖 pip install diffusers transformers accelerate torch，可选安装 xformers 以获得更省显存的注意力实现；随后加载 DiffusionPipeline，并指定 stable-diffusion-v1-5/stable-diffusion-v1-5，数据类型设为 float16，将管线移至 CUDA；生成时传入提示词、num_inference_steps、guidance_scale 等参数，再把结果保存为 PNG。文档还给出 SDXL 的 AutoPipelineForText2Image 写法，以及 DPMSolverMultistepScheduler 等调度器替换、固定随机种子、负面提示词、批量生成、图生图 strength 参数、Inpainting 掩码、ControlNet（canny、openpose、depth 等）与 LoRA 加载和卸载的具体代码。
显存优化与常见问题：可通过 enable_model_cpu_offload、enable_attention_slicing、enable_vae_slicing/enable_vae_tiling、xformers 等方式降低占用；另给出 CUDA 显存不足、黑图或噪声图、生成过慢时的排查思路。文档建议在无 GPU 或需要 API 生成时可改用 DALL-E 3、Midjourney、Imagen、Leonardo.ai 等替代方案。
限制：资料未提供收费、价格、平台与效果指标信息；实际运行需要本地 GPU 环境，模型与权重需从 HuggingFace 获取，部分优化依赖特定硬件或额外包（如 xformers、Ampere 以上 GPU 使用 bf16）。