stable-diffusion.cpp

GitHub
5.7k 578 较难 1 次阅读 今天MITAgent开发框架视频图像语言模型
AI 解读 由 AI 自动生成，仅供参考

stable-diffusion.cpp 是一个基于纯 C/C++ 编写的高性能扩散模型推理引擎，旨在让各类图像生成模型在本地设备上轻量、高效地运行。它解决了传统 AI 绘图工具依赖庞大 Python 环境、对硬件要求高且部署复杂的问题，让用户无需配置繁琐的深度学习框架即可快速体验前沿模型。

该项目不仅支持经典的 Stable Diffusion 系列（SD1.5 至 SD3.5），还率先适配了 FLUX.2、Qwen Image、Wan 视频模型等最新架构，同时涵盖图像编辑、ControlNet 控制及 LoRA 微调等功能。其核心技术亮点在于复用 ggml 库，实现了类似 llama.cpp 的极致轻量化，支持 CPU、CUDA、Vulkan、Metal 等多种后端加速，并能在 Windows、Mac、Linux 乃至 Android 手机上流畅运行。此外，它还提供了 Flash Attention 显存优化、TAESD 快速解码及多种采样器选择，显著降低了资源消耗。

stable-diffusion.cpp 非常适合希望在本地私有化部署 AI 绘图能力的开发者、研究人员，以及拥有普通显卡或仅使用 CPU 却想尝试最新生成式模型的极客用户。对于需要集成图像生成功能到现有 C/C++ 项目中的工程师而言，它也是一个无需外部依赖的理想解决方案。

使用场景

一位嵌入式开发者需要在无互联网连接的工业边缘计算设备上，实时运行最新的 FLUX.2 或 Wan2.1 模型进行缺陷检测图像生成，但受限于严苛的硬件资源和部署环境。

没有 stable-diffusion.cpp 时

  • 依赖沉重难移植：传统 Python 方案依赖庞大的 PyTorch 和 CUDA 环境，在资源受限的 Linux 嵌入式系统或老旧 Windows 工控机上几乎无法安装配置。
  • 内存占用超标：官方推理脚本显存/内存开销巨大，容易触发 OOM（内存溢出）崩溃，导致设备无法同时运行其他核心业务进程。
  • 模型更新滞后：面对 FLUX.2-klein、Z-Image 等新架构模型，往往需要等待漫长的社区适配期，无法第一时间在本地落地最新算法。
  • 跨平台兼容性差：缺乏对 Metal、Vulkan 或纯 CPU 指令集（AVX512）的统一支持，难以在不同架构的异构设备间维持一致的推理性能。

使用 stable-diffusion.cpp 后

  • 零依赖轻量部署：基于纯 C/C++ 和 ggml 构建，无需安装 Python 环境或重型驱动，编译为单一可执行文件即可直接在边缘设备运行。
  • 极致内存优化：通过 GGUF 量化格式和 VAE 分块处理技术，将显存需求降低数倍，使高端扩散模型能在低配硬件上流畅跑通。
  • 即时支持新模型：快速集成 FLUX.2、Wan2.1 及 Qwen-Image 等前沿模型，开发者下载权重后即可立即推理，无需等待框架层更新。
  • 全平台硬件加速：自动调用 CPU 指令集、CUDA、Metal 或 Vulkan 后端，确保从服务器到安卓终端的各类设备均能获得最佳算力释放。

stable-diffusion.cpp 通过将复杂的扩散模型推理转化为轻量级原生代码，彻底打破了高性能 AI 生成在边缘侧落地的资源与部署壁垒。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
  • Android
GPU
  • 非必需
  • 支持纯 CPU 运行（x86 架构支持 AVX/AVX2/AVX512）
  • 若使用 GPU 加速，支持 NVIDIA (CUDA), AMD/Intel (Vulkan, OpenCL, SYCL), Apple (Metal)
  • 具体显存需求取决于模型大小及是否启用分块处理 (VAE tiling)，未给出固定下限
内存

未说明（取决于模型大小，项目特性为轻量级且内存高效，支持 VAE 分块以降低内存占用）

依赖
notes该项目是基于 ggml 的纯 C/C++ 实现，无外部依赖（如 Python 或 PyTorch），可跨平台编译运行。支持多种模型格式（.ckpt, .safetensors, .gguf）。Android 用户可通过 Termux 运行。建议参考性能指南以优化显存/内存使用。
python不需要 (基于纯 C/C++ 实现)
ggml
stable-diffusion.cpp hero image

快速开始

stable-diffusion.cpp

leejet%2Fstable-diffusion.cpp | Trendshift

纯 C/C++ 实现的扩散模型（SD、Flux、Wan 等）推理

请注意，该项目目前仍在积极开发中。API 和命令行选项可能会频繁变更。

🔥重要更新

  • 2026/01/18 🚀 stable-diffusion.cpp 现已支持 FLUX.2-klein
    👉 详情：PR #1193

  • 2025/12/01 🚀 stable-diffusion.cpp 现已支持 Z-Image
    👉 详情：PR #1020

  • 2025/11/30 🚀 stable-diffusion.cpp 现已支持 FLUX.2-dev
    👉 详情：PR #1016

  • 2025/10/13 🚀 stable-diffusion.cpp 现已支持 Qwen-Image-Edit / Qwen-Image-Edit 2509
    👉 详情：PR #877

  • 2025/10/12 🚀 stable-diffusion.cpp 现已支持 Qwen-Image
    👉 详情：PR #851

  • 2025/09/14 🚀 stable-diffusion.cpp 现已支持 Wan2.1 Vace
    👉 详情：PR #819

  • 2025/09/06 🚀 stable-diffusion.cpp 现已支持 Wan2.1 / Wan2.2
    👉 详情：PR #778

功能特性

快速入门

获取 sd 可执行文件

下载模型权重

使用一条命令生成一张图片

./bin/sd-cli -m ../models/v1-5-pruned-emaonly.safetensors -p "a lovely cat"

有关详细的命令行参数，请参阅 cli 文档。

性能优化

如果您希望提升性能或减少 VRAM/RAM 的使用，请参考 性能指南。

更多指南

绑定库

这些项目封装了 stable-diffusion.cpp，以便在其他语言和框架中更方便地使用。

用户界面

这些项目使用 stable-diffusion.cpp 作为其图像生成的后端。

贡献者

感谢所有已经为 stable-diffusion.cpp 做出贡献的人！

贡献者

星标历史

星标历史图表

参考文献

版本历史

master-555-7397dda2026/04/05
master-554-9369ab72026/04/05
master-553-687a81f2026/04/05
master-552-87ecb952026/04/01
master-551-99c1de32026/04/01
master-550-09b12d52026/03/31
master-549-6dfe9452026/03/31
master-548-bf021672026/03/31
master-547-4fe7a352026/03/31
master-546-4d523202026/03/31
master-545-1d6cb0f2026/03/30
master-544-83e8f6f2026/03/30
master-543-8d878872026/03/30
master-542-02dd5e52026/03/30
master-541-8f2967c2026/03/30
master-540-f16a1102026/03/29
master-539-ed88e212026/03/29
master-537-545fac42026/03/16
master-536-5265a5e2026/03/16
master-535-84cbd882026/03/16

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|今天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|昨天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 141.5k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 107.9k|★★☆☆☆|今天
开发框架图像Agent

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备

★ 90.1k|★★★☆☆|今天
语言模型图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。

★ 88.9k|★★★☆☆|今天
开发框架图像Agent