EdVince GitHub avatar

Stable-Diffusion-NCNN

C++
扩散模型图像生成工具EdVince最近推送 2023年7月3日
模型推理与部署BSD-3-Clause1,06610325 issues

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月18日

用 C++ 和 NCNN 在本地运行 Stable Diffusion,支持文生图和图生图。

这是一个基于 NCNN 推理框架、用 C++ 实现的 Stable Diffusion 项目。它支持文生图(txt2img)和图生图(img2img),可以编译运行在 x86 Windows/Linux/MacOS 以及 Android 设备上。仓库提供了预编译的 exe、APK 和模型文件下载,方便直接体验。

推荐指数

3.0

适合想在 C++/NCNN 环境或移动端跑 SD 的开发者参考,但项目已一年多未更新,且依赖外部模型下载。

总 Star 排名

#3379

雷达追踪的 3,931 个 AI 仓库中

创建于

2022

2022年11月11日

核心亮点

  • 1C++ 与 NCNN 实现

    不依赖 Python,用 C++ 和 NCNN 完成 Stable Diffusion 推理全流程。

  • 2支持文生图与图生图

    同时支持 txt2img 和 img2img 两种生成方式。

  • 3跨平台运行

    提供 x86 Windows/Linux/MacOS 和 Android 的编译与运行说明。

  • 4开箱即用资源

    提供预编译 exe、APK 和模型文件的网盘/Release 下载链接。

  • 5性能数据公开

    README 给出 i7-12700 和骁龙 865 上的每步耗时与内存占用。

适用场景

  • 桌面端本地生成图片

    例如:在 Windows 上运行 stable-diffusion.exe,通过 magic.txt 配置提示词和参数生成图片。

  • Android 设备体验

    例如:安装提供的 APK,在骁龙 865 手机上输入提示词生成 256x256 图片。

  • C++ 项目集成参考

    例如:开发者参考其 CLIP、UNet、采样器实现,将 SD 推理嵌入自己的 C++ 应用。

它是怎么工作的

  1. 第 1 步

    文本编码

    用 CLIP 模型将正向和负向提示词转换为文本嵌入。

  2. 第 2 步

    图像编码(仅图生图)

    将初始图片编码为 latent 表示。

  3. 第 3 步

    迭代采样

    使用 Euler ancestral 采样器在 latent 空间逐步去噪。

  4. 第 4 步

    图像解码

    用 VAE 解码器将 latent 还原为最终图片。

快速上手

  1. 1

    下载模型文件

    从百度网盘、Google Drive 或 Release 下载 4 个 bin 模型文件并放入 assets 文件夹。

  2. 2

    配置参数

    在 magic.txt 中按行设置高度、宽度、速度模式、步数、种子、初始图片、正向和负向提示词。

  3. 3

    运行程序

    进入 x86/exe 目录运行 stable-diffusion.exe。

    stable-diffusion.exe
  4. 4

    Linux/MacOS 编译

    安装 NCNN 后,用 CMake 构建并运行。

    cd x86/linux && mkdir -p build && cd build && cmake .. && make -j$(nproc) && ./stable-diffusion-ncnn

适合谁

  • 想在 C++ 项目中集成 Stable Diffusion 的开发者
  • 需要在 Android 或桌面端本地运行 SD 的开发者
  • 对 NCNN 推理框架感兴趣的学习者

不太适合

  • 希望开箱即用、不想手动下载模型和配置的普通用户
  • 需要最新 SD 功能(如 SDXL、ControlNet)的用户

成熟度

  • 活跃度最后更新于 2023 年 7 月,已超过一年无新提交。
  • 文档README 包含编译、运行和模型说明,但部分依赖外部链接和网盘。
  • 社区约 1000 star、100 fork,有 25 个未关闭 issue,社区有一定关注但活跃度下降。
  • 上手难度需要手动下载模型、配置文本文件,Android APK 要求 7G 内存且运行慢。

同类项目怎么选

  • stable-diffusion.cpp同样用 C++ 实现,但基于 ggml 而非 NCNN,支持更多模型格式和量化。
  • diffusers-ncnn同作者项目,更偏向 Python 与 NCNN 结合,本仓库是纯 C++ 实现。

使用前注意

  • · 模型文件需从百度网盘或 Google Drive 下载,链接可能失效。
  • · Android APK 需要约 7G 内存,运行速度慢且耗电。
  • · 项目已一年多未更新,可能不兼容最新 NCNN 或模型。
  • · 使用需遵守 Stable Diffusion 模型许可,不得用于非法用途。

主题标签

clipcppdiffusionmnnncnnonnxstable-diffusiontensorrttnnandroidexecutableimg2imgtxt2img