Diffugen

DiffuGenは高度なローカル画像生成ツールで、MCPプロトコルを統合し、複数のAIモデル（FluxやStable Diffusionシリーズを含む）をサポートし、開発環境で直接高品質な画像を生成できます。柔軟な設定オプション、複数GPUのサポートを提供し、MCPプロトコルを通じて複数のIDEと統合でき、同時に外部呼び出し用のOpenAPIインターフェースも提供します。

開発者ツール画像とビデオ処理 #AI作画 #画像生成 #IDEプラグイン #MCPサービス .Python

スコア : 2.5ポイント

ダウンロード数 : 29

更新時間 : 2025-04-29

概要

DiffuGenはAI技術に基づく画像生成ツールで、複数のモデルをサポートし、高品質な画像を迅速に生成できます。

主な特徴

DiffuGenは最新のAI画像生成技術を統合し、複数のモデルを切り替えることができます。ユーザーは必要に応じて異なるモデルを選択して画像を生成できます。そのインターフェースはシンプルで直感的で、操作が簡単で、あらゆるユーザーに適しています。

複数モデルのサポートStable DiffusionやFluxなど、複数のAI画像生成モデルが組み込まれており、さまざまなシーンのニーズに対応します。

IDE統合主要な開発環境にシームレスに統合され、統一されたインターフェースと設定管理を提供します。

APIサポート豊富なAPIインターフェースを提供し、開発者が二次開発や機能拡張を行いやすくします。

パラメータ制御幅、高さ、モデル選択など、詳細に調整可能な生成パラメータがあり、個別のニーズに対応します。

インストール

環境を設定する

生成を開始する

異なるモデル間にはどのような違いがありますか？

GPUがない状態で使用できますか？

生成画像の品質をどのように向上させることができますか？

公式ドキュメント詳細な使用ガイドと技術文書

GitHubリポジトリオープンソースプロジェクトとコミュニティ貢献

技術サポート技術サポートチームに連絡する

インストール

以下のコマンドをクライアントにコピーして設定

{
  "mcpServers": {
    "diffugen": {
      "command": "/home/cloudwerxlab/Desktop/Servers/MCP/Tools/DiffuGen/diffugen.sh",
      "args": [],
      "env": {
        "CUDA_VISIBLE_DEVICES": "0",
        "SD_CPP_PATH": "path/to/stable-diffusion.cpp",
        "default_model": "flux-schnell"
      },
      "resources": {
        "models_dir": "path/to/stable-diffusion.cpp/models",
        "output_dir": "path/to/outputs",
        "vram_usage": "adaptive"
      },
      "metadata": {
        "name": "DiffuGen",
        "version": "1.0",
        "description": "Your AI art studio embedded directly in code. Generate, iterate, and perfect visual concepts through this powerful MCP server for Cursor, Windsurf, and other compatible IDEs, utilizing cutting-edge Flux and Stable Diffusion models without disrupting your development process.",
        "author": "CLOUDWERX LAB",
        "homepage": "https://github.com/CLOUDWERX-DEV/diffugen",
        "usage": "Generate images using two primary methods:\n1. Standard generation: 'generate an image of [description]' with optional parameters:\n   - model: Choose from flux-schnell (default), flux-dev, sdxl, sd3, sd15\n   - dimensions: width and height (default: 512x512)\n   - steps: Number of diffusion steps (default: 20, lower for faster generation)\n   - cfg_scale: Guidance scale (default: 7.0, lower for more creative freedom)\n   - seed: For reproducible results (-1 for random)\n   - sampling_method: euler, euler_a (default), heun, dpm2, dpm++2s_a, dpm++2m, dpm++2mv2, lcm\n   - negative_prompt: Specify elements to avoid in the image\n2. Quick Flux generation: 'generate a flux image of [description]' for faster results with fewer steps (default: 4)"
      },
      "cursorOptions": {
        "autoApprove": true,
        "category": "Image Generation",
        "icon": "🖼️",
        "displayName": "DiffuGen"
      },
      "windsurfOptions": {
        "displayName": "DiffuGen",
        "icon": "🖼️",
        "category": "Creative Tools"
      },
      "default_params": {
        "steps": {
          "flux-schnell": 8,
          "flux-dev": 20,
          "sdxl": 20,
          "sd3": 20,
          "sd15": 20
        },
        "cfg_scale": {
          "flux-schnell": 1.0,
          "flux-dev": 1.0,
          "sdxl": 7.0,
          "sd3": 7.0, 
          "sd15": 7.0
        },
        "sampling_method": {
          "flux-schnell": "euler",
          "flux-dev": "euler",
          "sdxl": "euler",
          "sd3": "euler",
          "sd15": "euler"
        }
      }
    }
  }
}

注意：あなたのキーは機密情報です。誰とも共有しないでください。

🚀 DiffuDiff 使用ドキュメント

DiffuDiffは拡散モデルに基づく画像生成ツールで、高性能かつ柔軟な設定が可能です。複数の事前学習モデルをサポートし、ユーザーがモデルと出力設定をカスタマイズできます。

🚀 クイックスタート

DiffuDiffをすぐに使い始めるには、以下の手順に従ってください。

プロジェクトをダウンロードします。
必要な依存関係をインストールします。
プロジェクトをビルドします。
サンプルを実行して、初めての画像を生成します。

✨ 主な機能

複数の事前学習モデルをサポートします。
ユーザーがモデルと出力設定をカスタマイズできます。
GPUによる高速化が可能です。
APIを介した画像生成をサポートします。

📦 インストール

インストール手順

プロジェクトのダウンロード
- GitHubからリポジトリをクローンします。
```
git clone https://github.com/CLOUDWERX-DEV/diffuDiff.git
```
- プロジェクトディレクトリに移動します。
```
cd diffuDiff
```
依存関係のインストール
- 以下のツールがインストールされていることを確認してください。
  - Git：バージョン管理とコード管理に使用します。
  - CMake：ビルドファイルの生成に使用します。
  - NVIDIA CUDA Toolkit（オプション）：GPUを使用して推論を高速化する場合は、CUDAとcuDNNをインストールする必要があります。
- 依存関係のインストール中に問題が発生した場合は、公式ドキュメントを参照してください。
プロジェクトのビルド
- ビルドディレクトリを作成します。
```
mkdir build && cd build
```
- CMakeを使用してビルドファイルを生成します。
```
cmake ..
```
- プロジェクトをコンパイルします。
```
make
```
サンプルの実行
- ビルドディレクトリでデフォルトのサンプルを実行します。
```
./diffuDiff.sh "あなたのプロンプト"
```
- 出力パスとモデルを指定することもできます。
```
./diffuDiff.sh --output-dir ./outputs/ --model flux-schnell "あなたのプロンプト"
```

📚 ドキュメント

設定ファイル

設定構造

プロジェクトの設定は、プロジェクトのルートディレクトリにある config.json ファイルに保存されています。以下は設定の例です。

{
  "models": {
    "flux-schnell": {
      "path": "./weights/flux_schnell.pth",
      "device": "cuda:0"
    },
    "stable-diffusion": {
      "path": "./weights/stable_diffusion.pth",
      "device": "cpu"
    }
  },
  "output_settings": {
    "save_location": "./outputs/",
    "max_images_per_batch": 4,
    "jpeg_quality": 90
  },
  "api": {
    "enable_api": true,
    "port": 5199,
    "allowed_hosts": ["*"]
  }
}

設定パラメータ

models：利用可能なモデルとそのパスおよびデバイス情報を定義します。
output_settings：出力画像の保存場所、バッチあたりの最大画像数、およびJPEG品質を指定します。
api：OpenAPIサービスを設定します。APIの有効化、リスニングポート、およびアクセスを許可するホストを含みます。

使用方法

コマンドライン引数

スクリプトを実行する際には、以下のオプションを使用できます。

Usage: ./diffuDiff.sh [OPTIONS] <PROMPT>

Options:
  -h, --help             ヘルプ情報を表示して終了します。
  -o, --output-dir PATH   出力ディレクトリを指定します。デフォルトは"./outputs/"です。
  -m, --model MODEL_NAME  使用するモデルを指定します。デフォルトは"flux-schnell"です。
  -s, --seed SEED_VALUE   乱数シードを設定して、再現可能な結果を生成します。
  -v, --verbose          デバッグモードを有効にし、詳細なログ情報を表示します。

サンプル

基本的な使用方法

./diffuDiff.sh "月光の下に座っている猫"

モデルと出力ディレクトリを指定する

./diffuDiff.sh --model stable-diffusion --output-dir ./custom_outputs/ "ヴァン・ゴッホのスタイルの向日葵"

最適化とパフォーマンス

高速化技術

GPUによる高速化
- CUDAとcuDNNが正しくインストールされていることを確認してください。
- 設定ファイルでモデルが使用するデバイスを指定します。例えば、 "device": "cuda:0" のように設定します。
並列処理
- output_settings の max_images_per_batch を調整して、バッチあたりの最大画像数を制御します。
メモリの最適化
- 低解像度または小さなモデルを使用して、メモリ使用量を削減します。
- 複数のモデルを同時にメモリにロードしないようにします。

チュートリアルとサンプル

クイックスタートチュートリアル

依存関係とプロジェクトをインストールする（インストールガイドを参照）。
事前学習モデルをダウンロードする
```
./diffuDiff.sh download-models
```
基本的な推論を実行する
```
./diffuDiff.sh "飛んでいる鳥"
```

高度なチュートリアル

カスタムモデル： config.json のモデルパスを変更して、新しい事前学習モデルを追加します。
バッチ生成： --max_images_per_batch を設定して、生成効率を向上させます。
API統合：APIを有効にすると、HTTPリクエストを介して画像を生成できます。

エラー排除

一般的な問題

スクリプトを起動できない
- すべての依存関係が正しくインストールされていることを確認してください。
- ログファイル logs/output.log を確認して、詳細な情報を取得してください。
メモリ不足
- 生成する画像の解像度を下げます。
- CPUを使用して推論を行い、GPUの負荷を軽減します。
モデルのロードに失敗する
- モデルのパスが正しく、ファイルが存在することを確認してください。
- 設定ファイルのデバイス設定がハードウェアと一致していることを確認してください。

開発ガイド

コード構造

プロジェクトのディレクトリ構造は以下の通りです。

diffuDiff/
├── src/                 # コアソースコード
│   ├── main.cpp        # メインプログラムのエントリポイント
│   └── ModelLoader.cpp # モデルローダー
├── CMakeLists.txt       # CMakeの設定ファイル
└── config.json          # プロジェクトの設定ファイル

貢献ガイド

リポジトリをフォークする

git clone https://github.com/CLOUDWERX-DEV/diffuDiff.git
cd diffuDiff
git checkout feature/your-feature

コードを提出する
- 機能ブランチを作成します。
```
git branch feature/your-feature
```
- 変更をコミットします。
```
git add .
git commit -m "新機能の追加：あなたのコミットメッセージ"
```
- リモートリポジトリにプッシュして、プルリクエストを作成します。