stable-diffusion.cpp Vibe 项目

项目简介

stable-diffusion.cpp 是一个用纯 C/C++ 实现的扩散模型推理引擎，基于 ggml 张量库构建，工作方式与知名的大模型推理项目 llama.cpp 一脉相承。它把 Stable Diffusion、FLUX、Wan、Qwen-Image 等主流扩散模型塞进了一个极其轻量、无需外部依赖的单一可执行程序中，让普通电脑、边缘设备乃至没有显卡的环境都能本地运行图像与视频生成模型。项目在 GitHub 上已获得超过 7000 颗星，是本地 AI 绘画与视频生成领域的标杆级开源项目。

核心功能

• 纯 C/C++ 实现，无外部依赖：基于 ggml 构建，超轻量，跨平台编译部署极为方便。
• 图像生成模型支持广泛：覆盖 SD1.x、SD2.x、SD-Turbo、SDXL、SDXL-Turbo、SD3/SD3.5、FLUX.1-dev/schnell、FLUX.2-dev/klein、Qwen Image、Qwen Image 2.1、Z-Image、Lens、Chroma、Krea2、Ideogram4 等大量模型。
• 图像编辑模型支持：支持 FLUX.1-Kontext-dev、Qwen Image Edit 系列、LongCat Image Edit、Mage-Flow-Edit 等编辑类模型。
• 视频生成模型支持：支持 Wan2.1/Wan2.2、MiniMax-H3、LTX-2.3/LTX-2.5、HunyuanVideo 1.5、LingBot-Video 等视频模型。
• 丰富的扩展能力：支持 LoRA、ControlNet（SD 1.5）、PhotoMaker、IP-Adapter、ADetailer、LCM/TAESD、ESRGAN 放大等。
• 内置 Web UI：自 2026 年 4 月起内置全新的 Web 界面，开箱即可交互使用。

技术实现

项目的核心技术路线是"用最朴素的 C/C++ 复刻庞大模型生态"。它依托 ggml 这一轻量张量计算库完成底层算子，从而摆脱对 PyTorch、CUDA 等重型框架的依赖，实现超轻量、易移植的特性。在量化支持上，它延续了 llama.cpp 系家族的思路，通过量化权重降低显存与内存占用，使大模型得以在中低端硬件上运行。项目同时内置了潜在一致性模型（LCM/LCM-LoRA）支持以加速采样，并通过 TAESD 实现更快、更省内存的潜空间解码，借助 ESRGAN 完成生成图的高清放大。由于采用纯 C++ 与嵌入式 Web UI 的架构，用户无需配置 Python 环境即可一键构建并启动图形界面，极大降低了本地部署门槛。

快速上手

1. 克隆仓库源码，使用 CMake 完成编译（跨平台，Linux/macOS/Windows 均可）。
2. 下载所需的扩散模型权重文件（支持 safetensors、gguf 等格式），放入模型目录。
3. 运行命令行程序或启动内置 Web UI，输入提示词即可生成图像。
4. 如需使用 LoRA、ControlNet、IP-Adapter 等扩展，在启动参数或 Web UI 中加载对应模型即可。
5. 生成视频时，选择 Wan、LTX 等视频模型并指定帧数参数即可输出视频。

适用人群

适合希望在本地、离线、无显卡依赖环境下运行图像与视频生成的开发者；关注模型部署与边缘推理的工程师；以及想用 C/C++ 集成扩散模型能力的软件作者。

更新动态

项目处于活跃开发中，更新频繁：2026/09/20 新增 Qwen-Image-2.1 当日支持，2026/08/20 支持 LTX-2.5，2026/08/04 新增 MiniMax-H3 次日支持，2026/04/11 上线全新内置 Web UI。

官方链接

• 开源仓库：https://github.com/leejet/stable-diffusion.cpp