没有独显也不慌：FastSD CPU本地AI绘画从安装到进阶全攻略-港品优选

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/fastsdcpu

FastSD 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.bat，Linux 执行./install.sh，Mac 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.sh（Windows 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 --mcp），Claude 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 DEVICE=mps走 Metal 路线。
模型文件放错位置：LoRA 放lora_models目录，ControlNet 放controlnet_models，SD 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。

企业官网建设流程全解析