docs/zh/Pipeline_Usage/Setup.md

安装依赖

从源码安装（推荐）：

git clone https://github.com/modelscope/DiffSynth-Studio.git
cd DiffSynth-Studio
pip install -e .

从 pypi 安装（存在版本更新延迟，如需使用最新功能，请从源码安装）

pip install diffsynth

为保证框架的轻量化，基础安装选项只会安装必要的依赖包，我们提供了一些额外的安装选项：

• [audio]: 用于音频模型的支持，例如 ACE-Step、MiniMax-Music3 等
• [quant]: 用于参数量化，启用 NF4、INT8、NVFP4 等精度
• [training]: 用于分布式大规模预训练
• [logger]: 用于启用 TensorBoard、SwanLab 等训练日志记录器
• [npu]: 用于 x86 架构的 Ascend NPU 设备
• [npu_aarch64]: 用于 aarch64/ARM 架构的 Ascend NPU 设备
• 特定模型的依赖
  • [infiniteyou]: https://arxiv.org/abs/2503.16418
  • [ses]: https://arxiv.org/abs/2602.03208
  • [nexusgen]: https://arxiv.org/pdf/2504.21356
• [all]: 包含除“特定模型的依赖”以外的所有依赖

你可以使用命令 pip install -e ".[audio,quant]" 或 pip install diffsynth[audio,quant] 来安装多组依赖包。

GPU/NPU 支持

NVIDIA GPU

按照以上方式安装即可。

AMD GPU

需安装支持 ROCm 的 torch 包，以 ROCm 6.4（本文更新于 2025 年 12 月 15 日）、Linux 系统为例，请运行以下命令

pip install torch torchvision --index-url https://download.pytorch.org/whl/rocm6.4

Apple Silicon

在 Apple Silicon 设备上，无需修改安装步骤。但由于显存和内存是统一的，请将代码中的 "cuda" 全部修改为 "mps" 或 "cpu"。

Ascend NPU

1. 通过官方文档安装 CANN

2. 从源码安装

   git clone https://github.com/modelscope/DiffSynth-Studio.git
   cd DiffSynth-Studio
   # aarch64/ARM
   pip install -e .[npu_aarch64] 
   # x86
   pip install -e .[npu] --extra-index-url "https://download.pytorch.org/whl/cpu"
   

使用 Ascend NPU 时，请将 Python 代码中的 "cuda" 改为 "npu"，详见NPU 支持。

其他安装问题

如果在安装过程中遇到问题，可能是由上游依赖包导致的，请参考这些包的文档：

• torch
• Ascend/pytorch
• sentencepiece
• cmake