Github
Huggingface项目介绍：FastSD CPU
FastSD CPU 是一个专为 CPU 优化的稳定扩散模型（Stable Diffusion）加速版本。它的开发主要基于潜在一致性模型（Latent Consistency Models）和对抗性扩散蒸馏（Adversarial Diffusion Distillation）技术，旨在提升图像生成的速度和效率。
支持的界面类型
- 桌面 GUI: 提供基础的文本到图像生成功能。
- WebUI: 提供高级功能支持，如 Lora 和 ControlNet 等。
- 命令行界面 (CLI): 适用于命令行操作的用户。
主要功能及特点
- 支持多平台：Windows、Linux、Mac、Android（通过 Termux）、Raspberry PI 4。
- 图像尺寸支持范围包括 256x256 到 1024x1024。
- 可保存生成图像及其设置，用户可调节步进、指导和种子设置。
- 提供多种模型支持，包括 LCM 和 OpenVINO 模式。
- 实现了 OpenVINO 的支持，大大提高了生成速度。
- 提供实时文本到图像生成的实验性支持。
性能基准
在配置为 Core i7-12700 的系统上，FastSD CPU 展示了显著的速度提升。例如，使用 OpenVINO 只需 0.82 秒即可生成一个 512x512 的图像。
内存需求
使用不同模型时的最低系统 RAM 需求如下：
- LCM 模式：2 GB
- LCM-LoRA 模式：4 GB
- OpenVINO 模式：11 GB（启用 Tiny 解码器后约为 9 GB）
特别注意：指导比例大于1时会增加 RAM 使用并降低推理速度。
安装指南
Windows
- 确保系统中已安装 Python。
- 克隆/下载仓库或从发布页面下载。
- 运行
install.bat完成安装。 - 通过双击
start.bat启动桌面 GUI 或通过start-webui.bat启动 WebUI。
Linux 和 Mac
类似 Windows 的安装过程，需稍作调整以适应相应的平台命令。
其他设备支持
- Android: 需通过 Termux 和 PRoot 安装并运行。
- Raspberry Pi 4 和 Orange Pi 5: 均已成功测试，并能正常运行。
API 支持
FastSD CPU 提供基础的 API 端点，使开发者可以通过 API 进行图像生成和模型管理。
贡献者与开源协议
FastSD CPU 项目由 Rupesh Sreeraman 创建并维护，使用 MIT 开源协议发布。项目的成功离不开所有贡献者的付出。
这个项目为追求高效图像生成的用户提供了一个强大易用的解决方案，广泛支持常见的操作系统平台，并具备丰富的功能和良好的性能表现。
