GGitHub 趋势观察站
每日 07:00 更新
← 返回今日榜单

leejet /

stable-diffusion.cpp

使用纯 C/C++ 在多种硬件后端运行图像与视频扩散模型的推理引擎。

访问 GitHub 仓库 ↗
最近上榜 · 2026-09-25#14

当日排名

+69当日新增 Star7,232总 Star

stable-diffusion.cpp:用纯 C/C++ 在多种硬件上运行扩散模型

一分钟看懂

stable-diffusion.cpp 是一个基于纯 C/C++ 的扩散模型推理引擎,目标是在尽量少的运行依赖下执行 Stable Diffusion、Flux、Wan、Qwen Image、Z-Image 等图像或视频生成模型,并支持多种硬件后端。

你可以用它做什么

  • 在本地通过命令行执行文生图、图生图和部分视频生成任务。
  • 在 CUDA、Vulkan、Metal 等后端之间选择适合设备的执行方式。
  • 将模型权重转换为 GGUF 或 safetensors 格式。
  • 把它作为原生后端集成到桌面界面、服务或其他语言绑定中。

主要能力

  • 覆盖多类扩散图像、图像编辑和视频模型。
  • 提供量化、Flash Attention、VAE 分块等显存优化手段。
  • 支持 Windows、Linux、macOS 等平台及多类 GPU 后端。
  • 提供命令行工具、嵌入式 Web 界面和可供其他项目调用的库。

适合哪些人

适合希望在本地部署扩散模型、减少 Python 运行依赖,或需要将生成能力嵌入原生应用的开发者和技术型创作者。

怎么开始使用

从官方发布页获取预编译的 sd 工具,或按文档选择硬件后端自行编译。随后下载受支持的模型权重,并用 sd-cli 指定模型文件和提示词生成内容;量化和后端选择应参考对应指南。

使用前需要知道

不同模型、量化格式和硬件后端的功能与速度并不一致,模型权重通常需要另行下载且受各自许可证约束。官方明确提示 API 和命令行选项可能频繁变化;生成大型图像或视频仍可能需要较多显存、内存和计算时间。项目采用 MIT 许可证。

官方资料