AI-bild, video och ljud · Inferensmotor för bild- och videogenerering i ren C/C++ på ggml
Diffusionsmodeller i ren C/C++: kör Stable Diffusion, FLUX och Wan på CPU eller GPU, med kommandoradsverktyg, webbgränssnitt och HTTP-API i samma binär.
Betyg 84 av 100 Praktiskt granskad
Läs bedömningenServern exponerar tre API-familjer över HTTP: OpenAI-kompatibla /v1/images/generations, AUTOMATIC1111-kompatibla /sdapi/v1/txt2img och img2img, samt ett eget /sdcpp/v1 med asynkrona jobb som kan följas och avbrytas. Ingen av dem kräver autentisering.
Källa: Projektets API-dokumentation för sd-server
Kontrollerat:
Communityprojekt som är en MCP-server för en körande sd-server: den kör txt2img, img2img, inpainting och LoRA över serverns nativa /sdcpp/v1-API och rapporterar jobbstatus via MCP. Projektet har ingen egen MCP-server.
Källa: Communityprojektets README
Kontrollerat:
Totalbetyg
84 av 100
Praktiskt granskad
Hela källkoden ligger under MIT enligt LICENSE i repot: biblioteket, sd-cli och sd-server med det inbyggda webbgränssnittet. Det finns ingen sluten utgåva, inga funktioner bakom avtal och ingen licensnyckel – instansen i labbet byggdes ur källkoden och startade utan konto. Vikterna läses i öppna format (ckpt, safetensors, GGUF) som går att flytta mellan verktyg.
Driftsatt i labbet på åtta delade vCPU utan grafikkort: modellen laddades ur model-katalogen på 1,1 sekund, och en 512 × 512-bild tog 1 minut och 52 sekunder med ett steg. Samma server svarade på OpenAI-formatet, AUTOMATIC1111-formatet och det egna asynkrona jobb-API:t, och bilden kom tillbaka som PNG med parametrarna inbäddade. Användningsfallet går att lösa – men bara i 512 × 512 och med en kvalitet som är illustration, inte fotorealism, och videomodellerna är inte praktiska utan GPU.
Det finns inget att låsa in sig i: tillståndet är modellfilerna och de genererade bilderna, båda i öppna format. Vikterna flyttas som safetensors eller GGUF, bilderna skrivs som PNG eller WebP med generationsparametrarna i PNG-metadata i webui-kompatibelt format, och servern har ingen databas och ingen egen lagring. Hela installationen flyttas genom att kopiera binären och model-katalogen.
Projektet är mycket aktivt – förrådet fick commits samma dag som bedömningen gjordes – men beskriver sig självt som under aktiv utveckling och säger uttryckligen att API och kommandoradsflaggor kan ändras ofta. Det märktes i labbet: bygget kräver att rätt CMake-flaggor kombineras, serverrecepten förutsätter en viss katalogstruktur, och VAE-avkodningen tog 91 sekunder av 171 för en enda bild. Ett levande projekt med skarp prestanda, men utan utfryst API-version.
Servern talar tre API-familjer samtidigt, varav OpenAI-formatet gör den utbytbar i klienter som redan pekar mot en molntjänst, och det egna /sdcpp/v1 har asynkrona jobb med status och avbrott – det som behövs för att en agent eller ett skript ska kunna vänta på en bild. Den används som motor i andra program (LocalAI, KoboldCpp och en GIMP-plugin listas i README), och det finns en tredjeparts MCP-server som kör mot det nativa API:t. Att API:t inte är fruset drar ned ett steg.
En container med en enda binär och libgomp som enda beroende, ingen databas och ingen sidotjänst – det är enklare drift än de flesta katalogposter. Modellerna laddas ner för sig och ligger kvar i en katalog. Det som drar ned är att servern saknar autentisering och måste stå bakom en proxy, att bygget ur källkoden kräver eftertanke kring CMake-flaggor och minne, och att prestandan beror helt på vilka kärnor som finns.
MIT och inga licenskostnader, ingen prenumeration och ingen molnräkning per bild: kostnaden är de kärnor och det RAM som redan finns, plus el. Modellvikterna är gratis att ladda ner, även om varje modell har sina egna villkor (SD-Turbo under Stability AI Community License).
Varken webbgränssnittet eller dokumentationen finns på svenska – servern har engelska texter och det finns ingen översättningsmekanism. För ett verktyg som mest används över API och kommandorad betyder språket mindre, men den som ska sätta upp det läser engelsk dokumentation, och det finns ingen svensk supportkanal.
stable-diffusion.cpp gör för bildgenerering vad llama.cpp gör för språkmodeller: modellen körs i ren C/C++ ovanpå ggml, utan Python och utan PyTorch. Vikter läses direkt i ckpt-, safetensors- eller GGUF-format, inklusive kvantiserade varianter som gör en modell liten nog att köras på vanliga x86-kärnor. Backendarna är CPU med AVX/AVX2/AVX512, CUDA, Vulkan, Metal, OpenCL och SYCL, och samma binär innehåller både kommandoradsverktyget sd-cli och servern sd-server. Servern bär ett inbyggt webbgränssnitt och tre API-familjer: OpenAI-kompatibla /v1/images, AUTOMATIC1111-kompatibla /sdapi/v1 och ett eget asynkront /sdcpp/v1 med jobbstatus. Utöver text-till-bild finns bild-till-bild, inpainting och redigeringsmodeller, ControlNet för SD 1.5, IP-Adapter, LoRA, ESRGAN-uppskalning och videomodeller som Wan, LTX och HunyuanVideo – allt i en enda binär utan beroenden utöver libgomp.
5 skärmbilder. Välj en bild för att visa den i full storlek. Svep i sidled för fler.
AI-bild, video och ljud · Nodbaserat gränssnitt och lokalt inferensgränssnitt för generativ AI
ComfyUI är en nodbaserad motor för bild- och videogenerering, där diffusionsmodeller som Stable Diffusion och Flux kopplas ihop till körbara arbetsflöden.
AI-bild, video och ljud · Webbgränssnitt för bildgenerering
Webbgränssnitt för bildgenerering som använder ComfyUI som motor och delar ut arbetet mellan flera användare och grafikkort.
