Diffusers 是 Hugging Face 维护的扩散模型库，定位为在 PyTorch 中使用最先进的预训练扩散模型进行图像、音频乃至分子 3D 结构生成的常用工具。官方表示，无论是简单的推理方案，还是训练自己的扩散模型，它都是一个模块化工具箱，两者都支持。库的设计取向是可用性优先于性能、简单优先于易用、可定制性优先于抽象。
主要能力 Diffusers 提供三个核心组件：一是最先进的扩散流水线，只需几行代码即可运行推理；二是可互换的噪声调度器，用于调节不同的扩散速度和输出质量；三是预训练模型，可作为构建模块与调度器组合，创建端到端的扩散系统。官方还提到可以从 Hub 浏览超过 30,000 个检查点。
使用方式 官方建议在虚拟环境中从 PyPI 或 Conda 安装 Diffusers。使用 pip（官方包）或 conda（由社区维护）均可安装。关于安装 PyTorch 的更多细节，官方建议参考 PyTorch 官方文档。Apple Silicon（M1/M2）支持方面，官方建议参考“How to use Stable Diffusion in Apple Silicon”指南。生成输出时，可用 from_pretrained 方法加载任意预训练扩散模型，从文本生成图像；也可以深入研究模型和调度器工具箱，构建自己的扩散系统。官方还提供了 Quickstart 帮助快速上手。
适用场景与生态 该库被多个流行项目使用，例如 microsoft/TaskMatrix、invoke-ai/InvokeAI、InstantID/InstantID、apple/ml-stable-diffusion、Sanster/lama-cleaner、IDEA-Research/Grounded-Segment-Anything、ashawkey/stable-dreamfusion、deep-floyd/IF、bentoml/BentoML、bmaltais/kohya_ss 等，官方称另有 14,000 多个 GitHub 仓库使用。
参与贡献 官方欢迎开源社区贡献，并建议查看贡献指南。若使用 AI 代理，官方建议先将其指向 .ai/ 中的项目约定（可通过 claude plugin marketplace add huggingface/diffusers 安装为插件，或用 diffusers-cli skills add <name> 逐一添加技能），详见 Coding with AI agents。参与者也可以关注“Good first issues”、新模型/流水线、新调度器等方向，或在公共 Discord 频道交流。
限制与未提供信息 官方文本未提供具体收费、价格、平台支持范围、生成效果指标或详细使用步骤。这些内容暂未提供。
