定义
扩散模型（diffusion model）是一类生成模型：训练时逐步给真实数据加噪声，让神经网络学会预测并去掉每一步的噪声；生成时从纯噪声出发，一步步“去噪”重建出图像、音频等新样本。
工作方式
核心是一个“加噪—去噪”的双向过程：前向过程按固定规则把数据逐渐变成噪声，反向过程由模型学习逐步还原。生成质量高、训练稳定，但推理需要多步迭代，速度通常慢于单步生成的模型。
使用场景
文生图、视频与音频生成、图像修复与超分辨率等都在大量使用扩散模型；它也是许多语音合成系统的底层组件。
易混概念
低秩适应（LoRA）常被用作扩散模型的高效微调手段——一个是模型本身，一个是适配它的微调技术，两者经常一起出现在模型社区的分享里。