Open Generative AI 桌面应用如何首次跑通 sd.cpp 本地推理从安装引擎到第一次生图【免费下载链接】Open-Generative-AIUnrestricted Open-source alternative to AI video platforms — Free AI image video generation studio with 600 models (Flux, Midjourney, Kling, Sora, Veo). No content filters. Self-hosted, MIT licensed.项目地址: https://gitcode.com/GitHub_Trending/ch/Open-Generative-AIOpen Generative AI 的桌面应用内置了一个 sd.cpp 本地推理引擎来自 stable-diffusion.cpp 的 C 引擎可以不依赖云端 API、不配置任何 API key在本机直接跑 SD 1.5 / SDXL / Z-Image 文生图。本文按 README.md 中 Local Model Inference 一节的说明给出从安装桌面应用、安装引擎、下载模型到在 Image Studio 完成第一次本地生图的完整路径以及一条绕过 UI 直接用sd-cli验证引擎是否装对的命令链。适用前提均来自 READMEmacOS 仅支持 Apple SiliconM1/M2/M3/M4走 Metal GPU 加速Intel Mac 不在上游 stable-diffusion.cpp 的支持范围内应用会直接报Local inference on macOS only supports Apple Silicon。Linux/Windows 支持 CUDA/Vulkan/ROCm所有平台都支持 CPU 回退。内存不足会卡死README 明确说明 Z-Image 在基础 8 GB M 系列 Mac 上已知会 hang 住整个系统8 GB 机器请改用 SD 1.5 模型Z-Image 建议 16 GB 内存约 7.4 GB 权重 2.4 GB 计算缓冲。本地推理只在桌面应用可用托管的 Web 版本始终走云端 API。第一步安装桌面应用在 README.md 的 Download Desktop App 表格中下载对应平台的 1.0.9 预构建安装包macOS arm64 / Intel DMG、Windows x64 exe、Ubuntu AppImage/.deb无需 Node.js 或终端即可完成安装。各平台首次启动的坑macOS应用未经 Apple 公证Gatekeeper 会拦截。挂载 DMG 把应用拖进/Applications后在 Terminal 执行xattr -cr /Applications/Open Generative AI.app然后右键应用 →Open→ 对话框中再次点击Open。只需做一次。不走终端的替代路径是尝试打开被拦截后到System Settings → Privacy Security找到 Open Generative AI was blocked点Open Anyway→Open。WindowsSmartScreen 因安装包未代码签名可能告警点More info→Run anyway即可应用会静默安装到%LocalAppData%并创建开始菜单快捷方式。Ubuntu / Linux优先安装.deb安装时自带 AppArmor profileAppImage 直接加执行权限运行。Ubuntu 24.04 因apparmor_restrict_unprivileged_userns内核策略可能让应用静默启动失败或立即崩溃——.deb用户无感AppImage 用户需要临时执行sudo sysctl -w kernel.apparmor_restrict_unprivileged_userns0重启失效或按 README 写入/etc/sysctl.d/99-userns.conf持久化。旧系统上 AppImage 起不来时安装libfuse2。第二步安装 sd.cpp 引擎与下载模型应用首次启动时会提示输入 Muapi API key——如果只用本地模型直接跳过即可。进入Settings → Local Models按 README.md 的 Engine 1 — sd.cpp 说明操作点击安装sd.cpp inference engine一键自动下载并解压到应用数据目录不向系统安装任何东西下载选定的模型权重。README 给出的模型清单模型类型大小备注README 原文Z-Image TurboDiffusion Transformer2.5 GB 2.7 GB 辅助文件8-step turbo吃内存Z-Image BaseDiffusion Transformer3.5 GB 2.7 GB 辅助文件50-step 高质量吃内存Dreamshaper 8SD 1.52.1 GB20-step 通用Mac 上实测最轻Realistic Vision v5.1SD 1.52.1 GB25-step 写实Anything v5SD 1.52.1 GB20-step 动漫/插画SDXL Base 1.0SDXL6.9 GB30-step 高分辨率选型的判断依据只有 README 中这两条8 GB 内存的 Mac 上 Z-Image 已知会挂死系统应选 SD 1.516 GB 内存才推荐 Z-Image。若选 Z-Image还需下载两个共享辅助文件一次下载、两个 Z-Image 模型共用Qwen3-4B Text Encoder2.4 GB和FLUX VAE335 MB——缺任一个生成会报错 Text encoder (Qwen3-4B) not downloaded 或 VAE (ae.safetensors) not downloaded错误文案见 electron/lib/localInference.js。所有下载都发生在应用内部。引擎、模型权重和临时文件默认存放在 Electron 应用数据目录下的local-ai/中常见路径macOS:~/Library/Application Support/open-generative-ai/local-aiWindows:%APPDATA%\open-generative-ai\local-aiLinux:~/.config/open-generative-ai/local-ai目录内会自动创建bin/、models/、tmp/三个子目录见 electron/lib/localInferencePaths.js。要把多 GB 的权重放到其他盘在启动桌面应用之前设置环境变量OPEN_GENERATIVE_AI_LOCAL_AI_DIR指向目标目录Settings → Local Models会显示解析后的模型文件夹。第三步在 Image Studio 完成第一次本地生图打开Image Studio在模型选择器旁边点击⚡ Local开关选择刚下载的本地模型输入提示词直接生成——本地路径不需要 API key。生成过程中界面会显示启动加载Loading local model (Xs)...和逐步进度模型默认步数、采样器由内置模型目录决定例如 Dreamshaper 8 为 20 步、euler_a、512×512Z-Image Turbo 为 8 步、euler见 electron/lib/modelCatalog.js。用 sd-cli 做最快的安装验证可选README 提供了一条绕过 UI、直接驱动sd-cli的完整性测试路径——sd-cli就是应用内部使用的同一个二进制。以下代码块来自 README Verifying the SD 1.5 path 一节默认按 macOS 路径书写APP_DATA一行兼容了OPEN_GENERATIVE_AI_LOCAL_AI_DIR覆盖未设置环境变量时回退到 macOS 默认目录其他平台读者把回退路径替换成对应平台的默认目录即可# 1. App data layout (created on first app launch) APP_DATA${OPEN_GENERATIVE_AI_LOCAL_AI_DIR:-$HOME/Library/Application Support/open-generative-ai/local-ai} ls $APP_DATA/bin # sd-cli, libstable-diffusion.dylib ls $APP_DATA/models # whatever youve downloaded # 2. Grab a small SD 1.5 model directly (Dreamshaper 8, ~2 GB) curl -L --fail --progress-bar \ -o $APP_DATA/models/DreamShaper_8_pruned.safetensors \ https://huggingface.co/Lykon/DreamShaper/resolve/main/DreamShaper_8_pruned.safetensors # 3. Run a single 512x512 / 12-step inference DYLD_LIBRARY_PATH$APP_DATA/bin $APP_DATA/bin/sd-cli \ -m $APP_DATA/models/DreamShaper_8_pruned.safetensors \ -p a serene mountain lake at sunrise, oil painting \ -o /tmp/sd15-test.png \ --steps 12 -H 512 -W 512 --cfg-scale 7.5 --seed 42 \ --sampling-method euler_aREADME 给出的判断标准文档示例非固定数值要求在 Apple Silicon 上健康的 Metal 加速运行会打印total params memory size 1969.78MB (VRAM 1969.78MB, RAM 0.00MB)并产出一张连贯的 512×512 PNG。如果VRAM显示为0.00MB说明 dylib 落在 CPU-only——用otool -L $APP_DATA/bin/libstable-diffusion.dylib | grep -i metal检查是否链接了 Metal缺失的话回Settings → Local Models重新安装引擎。排查与边界日志本地引擎的输出和下载错误都写到应用进程控制台。需要排障时从 TerminalmacOS或 PowerShellWindows启动应用才能看到[sd-cli]的完整命令和输出。生成进程被杀sd-cli非零退出且无错误码时通常是 Z-Image/SDXL 场景下 OOM内存不足——应用给出的提示是换更小的 SD 1.5 模型或关掉其他应用。Mac 上速度异常SD 1.5 在 M2 上启用 Metal dylib 时预期约 1–2 s/step如果看到约 10 s/step可能是二进制回退到了 CPU按上面的otool检查并重装引擎。下载源应用下载引擎二进制时macOS arm64 使用项目自建 release 中的 Metal 版二进制其他平台回退到上游 stable-diffusion.cpp 最近的 release 并自动挑选匹配平台的 zip逻辑见 electron/lib/localInference.js模型权重均从 Hugging Face 公开仓库下载无需鉴权。完成第一次生图后同一Settings → Local Models入口还配置着第二个本地引擎 Wan2GP自托管 Gradio 服务器面向视频与 Flux/Qwen-Image 等大模型——这是独立于 sd.cpp 的另一条路径本文不展开。【免费下载链接】Open-Generative-AIUnrestricted Open-source alternative to AI video platforms — Free AI image video generation studio with 600 models (Flux, Midjourney, Kling, Sora, Veo). No content filters. Self-hosted, MIT licensed.项目地址: https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考