SD.Next：AI 图片生成的全能 WebUI

SD.Next 在 GitHub 上已经拿到 7,124 Star 了。

它的定位很明确：做一个能跑各种 AI 图生图、文生图模型的 WebUI，而且不挑硬件。

项目基于 Automatic1111 WebUI 改造而来，但在量化推理、多平台适配、打标工具链和图像处理管线这几个方向上做了大量扩展。无论你用的是 nVidia、AMD、Intel 还是 Apple Silicon，都能找到对应的运行方案。

1、能做什么

SD.Next 的核心能力是图像和视频生成，支持 Stable Diffusion 系列和多种扩散模型。功能覆盖从文生图、图生图到视频生成的全流程。

它真正差异化的功能是这几项。

SDNQ 量化引擎。这是 SD.Next 自研的量化方案，支持预量化模型和运行时量化。效果是在不明显损失画质的前提下，把显存占用降到原来的四分之一。对于显存有限的用户，这是最实用的功能之一。它兼容主流模型格式，不需要额外转换步骤。

Balanced Offload 动态卸载。CPU 和 GPU 之间自动平衡内存分配，显存不够的机器也能流畅运行大模型。不需要手动调整参数，装上就能跑。

打标和描述能力。内置 150 多种 OpenCLIP 模型，集成了 WaifuDiffusion 和 DeepDanbooru 打标器，还有 25 个以上的视觉语言模型用来生成图片描述。做数据集整理或者批量处理时，这套工具链能省不少事。

图像校色工具集。曝光、色温、对比度、饱和度这些后期参数都在 UI 里直接调整，不需要导出到其他软件。对追求出图质量的用户来说，少了一个切换工具的步骤。

2、支持哪些硬件

SD.Next 对硬件的覆盖范围是它的一大特点。

nVidia GPU 通过 CUDA 运行，AMD GPU 可选 ROCm 或 ZLUDA，Intel Arc 用 OneAPI。Apple M 系列芯片用 MPS 加速。任何支持 DirectX 的 GPU 可以通过 DirectML 跑起来，还有 OpenVINO 和 ONNX/Olive 两套方案兜底。

对于服务器部署，项目提供了 CUDA、ROCm、Intel IPEX 和 OpenVINO 四种 Docker 镜像，从个人电脑到数据中心都有对应的运行方式。

3、安装和上手

安装过程很直接。从项目仓库克隆代码后，进入目录，根据操作系统运行对应的启动脚本。内置的安装器会自动处理依赖和更新。

git clone <repo_url>
cd sdnext
webui.bat   # Windows
webui.ps1   # PowerShell
./webui.sh  # Linux/Mac

界面同时支持桌面端和移动端，本地化覆盖约 15 种语言。装好之后打开浏览器就能开始使用，不需要额外配置。项目还内置了自动更新机制，后续版本升级会在启动时自动完成。

4、适用场景

如果你在用 Stable Diffusion 做图片生成，SD.Next 是一个值得尝试的选择。它保留了 Automatic1111 的生态兼容性，现有的模型和脚本可以直接迁移过来。量化优化和动态卸载让它在低显存场景下表现更好，一张普通消费级显卡也能跑出不错的效果。

做数据集标注或批量处理的用户，会发现内置的打标工具链比外部方案方便很多。对于那些需要把同一套工作流部署到不同硬件环境的情况，多平台支持能减少适配成本。

项目采用 Apache 2.0 许可证，完全开源。

部署到不同硬件环境的情况，多平台支持能减少适配成本。

项目采用 Apache 2.0 许可证，完全开源。