没有独显也不慌FastSD CPU本地AI绘画从安装到进阶全攻略【免费下载链接】fastsdcpuFast stable diffusion on CPU and AI PC项目地址: https://gitcode.com/gh_mirrors/fa/fastsdcpuFastSD CPU 是一个专为无显卡环境设计的开源项目它把 Stable Diffusion 的完整生成流程优化到可以在 CPU 上顺畅运行靠 LCM 与 OpenVINO 两种加速路线普通电脑就能完成文字转图像、图片修复、放大等操作。这篇文章会带你从零装好它亲手跑出第一张图再解锁提速技巧与老照片修复等进阶玩法——全程不需要一块独立显卡。你是不是也被「显卡门槛」劝退过很多人的 AI 绘画之旅死在搜索教程的那一步。打开任何一篇入门帖开头就是建议 8G 显存起步再往下看配置单里躺着一块好几千块的显卡。办公本、旧台式机用户只能默默关掉网页。其实文字转图像对硬件的苛求有很大一部分是被默认全精度推理惯出来的。FastSD CPU 走的是一条相反的路用步数更少的 LCM 一致性模型降低计算量用 OpenVINO 推理引擎做二次加速再用 Tiny Auto Encoder 轻量解码器收尾把整体负载压到 CPU 也能轻松接住的程度。一句话结论出图这件事未必要烧显卡把软件路线优化到位普通电脑同样能跑。FastSD CPU 的四个看家本领CPU 原生出图在 Core i7-12700 这类中端 CPU 上配合 OpenVINO 与轻量解码器512×512 的图最快 1 秒内就能生成配置差一点也无妨多等几秒照样出图。三种工作模式随你切LCM通用快速模式、LCM-LoRA给 SD1.5/SDXL 微调模型提速、OpenVINO约 2 倍起步的加速界面顶部一键切换选错随时能换回来。一套引擎多个入口桌面 GUI、Web 界面、命令行 CLI 共用同一个后端。新手点按钮老手写脚本互不干扰。不只有文生图图生图、图像变体、2 倍/4 倍放大、ControlNet、LoRA 全部内置不用再东拼西凑地装第三方插件。5 分钟跑通第一张图先准备两样东西Python 3.10 及以上版本以及 uv 这个轻量级 Python 包管理器。然后按下面三步走克隆仓库并进入目录git clone https://gitcode.com/gh_mirrors/fa/fastsdcpu cd fastsdcpu按系统选择安装脚本Windows 双击install.batLinux 执行./install.shMac 用install-mac.sh。脚本会自动创建虚拟环境并装好 CPU 版依赖耗时取决于网速。启动 Web 界面运行./start-webui.shWindows 双击start-webui.bat浏览器会自动打开本地页面。第一次使用只需要四步在 Text to Image 输入框写下你的提示词 → 推理步数调到 4~8 → 尺寸保持 512×512 → 点 Generate。耐心等上几秒你的第一张图就出现了。想换入口的话./start.sh是桌面 GUI命令行爱好者可以先source env/bin/activate再python src/app.py -h查看 CLI 参数。同样的电脑怎么再快一档切到 OpenVINO 模式顶部模式选择 LCM-OpenVINO配合 int8 量化模型速度通常能再翻一倍新版还支持 FLUX 系列模型在 CPU 上跑效果很惊艳。打开 Tiny Auto Encoder把图片解码交给轻量级编码器 TAESD/TAEF1大约 1.4 倍提速画质略有折损适合快速预览和反复试词。大胆调低步数LCM 系模型 2~4 步就能出像样的图。下面这张 2 步推理LCM-LoRA 模式的对比就很直观左侧糊、右侧清晰——步数够用就好省下的全是时间。提醒guidance 引导值超过 1.0 会明显增加内存占用并拖慢速度够用就好别一味拉高。进阶玩法修老照片、接 API、给聊天机器人装画板老照片修复与上色Web 界面的 Edit Image 标签页内置了修复老照片、修复并上色、增强等预设。上传一张破损的旧照片选好预设点生成即可完全不用手写提示词家里泛黄的合影都能翻新一遍。把生成能力接进自己的程序运行python src/app.py --api或start-webserver.sh会得到一个带 Swagger 文档的 REST 接口/api/generate、/api/models等端点齐全发一段 JSON 就能拿到 base64 格式的生成图二次开发非常省事。给 AI 助手装上画板项目自带 MCP 服务器python src/app.py --mcpClaude 桌面版、Open WebUI 都能连上它。以后你只要对聊天机器人说画一只猫它就会真的调用本地模型画给你看 新手最容易踩的四个坑跳过 uv 直接装依赖安装脚本依赖 uv 创建环境没装会直接报错。先按 uv 官方文档装好它再跑安装脚本。内存不够硬上大模型FLUX 系列与 OpenVINO SDXL 对内存要求高8~11GB 起步2GB 内存的老机器建议先用 LCM 模式或开启 Tiny Auto Encoder 省下约 2GB。Mac 用户指望 OpenVINO 提速M 系列芯片不支持 OpenVINO想加速可以试试export DEVICEmps走 Metal 路线。模型文件放错位置LoRA 放lora_models目录ControlNet 放controlnet_modelsSD 单文件模型则把路径写进configs/stable-diffusion-models.txt。放对了界面下拉框里才能找到它们。更多资料与下一步行动完整特性与基准测试Readme.md模型与 LoRA 配置示例configs/Web 界面源码src/frontend/webui/API 与 MCP 服务实现src/backend/api/对了这个项目甚至能在 Android 的 Termux 环境里跑感兴趣可以去 Readme 里找对应章节。读到这里FastSD CPU 对你来说就不再是陌生的名字了。剩下的只有行动——今天就在终端里把git clone那条命令跑起来用自己最想画的画面当作第一张测试图跑通之后你会发现所谓本地 AI 工作流其实离你只有这一步 【免费下载链接】fastsdcpuFast stable diffusion on CPU and AI PC项目地址: https://gitcode.com/gh_mirrors/fa/fastsdcpu创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考