这是一个基于深度学习的创意工具项目，能够将文字描述转化为独特的数字艺术作品。项目使用 Stable Diffusion 作为核心生成引擎，并结合自定义的风格迁移算法，实现多种艺术风格的图像生成。
整个系统采用 Python 开发，使用 PyTorch 进行模型推理，Gradio 提供交互式 Web 界面。用户只需输入文字描述，选择风格参数，即可在几秒内生成高质量的艺术图像。
Gradio + FastAPI
PyTorch + CUDA
Stable Diffusion v1.5/v2.1
本地 SSD + Redis 缓存
NVIDIA RTX 3080 10GB
Docker + Compose
Stable Diffusion 模型占用大量显存，通过 xFormers 优化和半精度推理，将显存占用从 10GB 降至 4GB，同时保持生成质量。
引入 CLIP 中文模型进行文本编码，并结合翻译增强策略，显著提升中文描述的生成效果。
采用 DDIM 采样器和步数优化，将单张生成时间从 15 秒降至 3 秒，满足实时交互需求。