据站长之家 1 月 5 日报道，Hugging Face 团队正试图通过一款名为 aMUSEd 的新模型加快速度，该模型可以在短短几秒钟内生成图像，比其他竞争对手如 Stable Diffusion 更快。 这款轻量级的文本到图像模型基于谷歌的 MUSE 模型，参数规模约为 8 亿。aMUSEd 可以部署在移动设备等设备上。它的速度来自于它的构建方式。aMUSEd 采用了一种称为 Masked Image Model（MIM）的架构，而不是 Stable Diffusion 和其他图像生成模型中的潜在扩散。Hugging Face 团队表示，MIM 减少了推理步骤，从而提高了模型的生成速度和可解释性。而且它的小尺寸也使得它运行速度很快。