Real-Time-Latent-Consistency-Model
Real-Time-Latent-Consistency-Model 是一个基于 Diffusers 框架构建的开源演示项目，旨在展示多种实时扩散模型（Diffusion Models）的强大能力。它核心解决了传统 AI 绘图生成速度慢、难以满足即时交互需求的痛点，通过集成潜一致性模型（LCM）、LoRA 微调技术以及 SD Turbo 等先进算法，将图像生成步数大幅压缩至仅需 4 步，从而实现了摄像头画面到艺术风格的毫秒级实时转换。
该项目支持文生图、图生图以及结合 ControlNet 的轮廓控制等多种管线，兼容从经典的 SD1.5 到最新的 SDXL 及 Segmind-Vega 等多种主流模型架构。其独特的技术亮点在于利用 MJPEG 流媒体服务与 Tiny Autoencoder（TAESD）加速解码，让普通用户只需连接网络摄像头，即可在网页端体验如“魔法镜子”般的实时创作乐趣。
Real-Time-Latent-Consistency-Model 非常适合开发者用于学习和部署实时 AI 应用，也适合研究人员测试不同模型管线的性能表现。同时，由于其实时互动的特性，数字艺术家和设计师也能将其作为灵感捕捉或动态原型设计的得力助手。项目提供了详细的本地运行指南和环境配置选项，鼓励社区基于现有代码构建属于自己的实时创意工具。
使用场景
一位数字艺术家正在为直播观众进行实时互动绘画，希望将摄像头捕捉的简单草图瞬间转化为精美的艺术风格图像。
没有 Real-Time-Latent-Consistency-Model 时
- 延迟严重破坏体验：传统扩散模型生成一张图需数秒甚至更久，观众的动作与屏幕反馈不同步，互动感完全丧失。
- 硬件门槛过高：若要勉强实现近实时效果，必须依赖昂贵的多卡服务器集群，个人创作者或小型工作室难以承担。
- 流程繁琐割裂：无法直接通过摄像头数据流（MJPEG）驱动生成，需要先截图、上传、等待生成再下载，打断了创作心流。
- 细节控制力弱：在追求速度的妥协方案中，往往牺牲了对线条边缘（如 Canny 边缘检测）的精准控制，导致成品变形。
使用 Real-Time-Latent-Consistency-Model 后
- 毫秒级即时反馈：借助 LCM 和 LoRA 技术，仅需 4 步推理即可在普通 GPU（如 A10G 甚至 M1/M2 Mac）上实现视频流级别的实时生成，观众挥手即见画作成型。
- 低成本本地部署：支持在单张消费级显卡或苹果芯片电脑上流畅运行，通过 Docker 一键部署，大幅降低了实时 AI 创作的硬件成本。
- 原生流式集成：内置 MJPEG 流服务器，可直接对接 webcam 输入，实现从“摄像头画面”到“艺术重绘”的无缝流水线，无需中间人工干预。
- 精准结构保持：结合 ControlNet 管道，能在极速生成的同时严格锁定草图的轮廓结构，确保人物姿态或建筑线条不走样。
Real-Time-Latent-Consistency-Model 通过将扩散模型的推理速度提升数个数量级，真正让“所见即所得”的实时 AI 创意交互成为普通人触手可及的现实。
运行环境要求
- Linux
- macOS
- 必需
- 支持 NVIDIA GPU (需 CUDA)、Mac M1/M2/M3 芯片或 Intel Arc GPU
- Docker 运行需 NVIDIA Container Toolkit
未说明
快速开始
title: 实时潜在一致性模型图像到图像 ControlNet emoji: 🖼️🖼️ colorFrom: gray colorTo: indigo sdk: docker pinned: false suggested_hardware: a10g-small disable_embedding: true
实时潜在一致性模型
本演示展示了使用 Diffusers 和 MJPEG 流媒体服务器的 潜在一致性模型 (LCM)。您可以在 这里 了解有关 LCM + LoRAs 与 diffusers 的更多信息。
运行此演示需要一个网络摄像头。🤗
请在此处查看包含实时演示的合集：这里
本地运行
您需要 CUDA 和 Python 3.10、Node > 19，以及配备 M1/M2/M3 芯片的 Mac 或 Intel Arc GPU。
安装
uv venv --python=3.10
source .venv/bin/activate
uv pip install -r server/requirements.txt
cd frontend && npm install && npm run build && cd ..
python server/main.py --reload --pipeline img2imgSDTurbo
别忘了构建前端！！！
cd frontend && npm install && npm run build && cd ..
流程管道
您可以按照此处的示例构建自己的流程管道 这里，
LCM
图像到图像
python server/main.py --reload --pipeline img2img
LCM
文本到图像
python server/main.py --reload --pipeline txt2img
图像到图像 ControlNet Canny
python server/main.py --reload --pipeline controlnet
LCM + LoRa
使用 LCM-LoRA，使其具备仅需 4 步即可完成推理的强大能力。在此了解更多 或参阅 技术报告
图像到图像 ControlNet Canny LoRa
python server/main.py --reload --pipeline controlnetLoraSD15
或者 SDXL，需要注意的是，由于 SDXL 的推理是在 1024x1024 的图像上进行的，因此速度会比 SD15 慢。
python server/main.py --reload --pipeline controlnetLoraSDXL
文本到图像
python server/main.py --reload --pipeline txt2imgLora
python server/main.py --reload --pipeline txt2imgLoraSDXL
可用的流程管道
LCM
img2imgtxt2imgcontrolnettxt2imgLoracontrolnetLoraSD15
SD15
controlnetLoraSDXLtxt2imgLoraSDXL
SDXL Turbo
img2imgSDXLTurbocontrolnetSDXLTurbo
SDTurbo
img2imgSDTurbocontrolnetSDTurbo
Segmind-Vega
controlnetSegmindVegaRTimg2imgSegmindVegaRT
设置环境变量
--host: 主机地址（默认：0.0.0.0）--port: 端口号（默认：7860）--reload: 更改时重新加载代码--max-queue-size: 最大队列大小（可选）--timeout: 超时时间（可选）--safety-checker: 启用安全检查器（可选）--torch-compile: 使用 Torch Compile--use-taesd/--no-taesd: 使用小型自动编码器--pipeline: 要使用的流程管道（默认：“txt2img”）--ssl-certfile: SSL 证书文件（可选）--ssl-keyfile: SSL 密钥文件（可选）--debug: 打印推理时间--compel: Compel 选项--pruna: 启用 Pruna
如果您使用 bash build-run.sh 运行，可以设置 PIPELINE 变量来选择要运行的流程管道。
PIPELINE=txt2imgLoraSDXL bash build-run.sh
并设置环境变量：
TIMEOUT=120 SAFETY_CHECKER=True MAX_QUEUE_SIZE=4 python server/main.py --reload --pipeline txt2imgLoraSDXL
如果您在本地运行，并希望在 Mobile Safari 上测试，Web 服务器需要通过 HTTPS 提供服务，或者按照我在 评论 中的说明操作。
openssl req -newkey rsa:4096 -nodes -keyout key.pem -x509 -days 365 -out certificate.pem
python server/main.py --reload --ssl-certfile=certificate.pem --ssl-keyfile=key.pem
Docker
您需要 NVIDIA Container Toolkit 来使用 Docker，默认为 controlnet。
docker build -t lcm-live .
docker run -ti -p 7860:7860 --gpus all lcm-live
为了避免再次下载模型数据，可以重用主机上的模型数据，您可以将 ~/.cache/huggingface 更改为其他目录，但如果您在本地使用 huggingface-cli，可以共享相同的缓存。
docker run -ti -p 7860:7860 -e HF_HOME=/data -v ~/.cache/huggingface:/data --gpus all lcm-live
或者使用环境变量：
docker run -ti -e PIPELINE=txt2imgLoraSDXL -p 7860:7860 --gpus all lcm-live
Hugging Face 上的演示
常见问题
相似工具推荐
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。
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
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。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。