【更新 20250512】SDNEXT 目前最好用的功能加强版 Stable Diffusion WebUI 之一

SDNEXT 具有高级功能的图像扩散实现，是 Stable Diffusion WebUI 加强版本。

• 完全本地化： ▹ 中文 |中文版 |俄语 |西班牙语 |德语 |法语 |意大利语 |葡萄牙语 |日文 |朝鲜语
• 多个 UI！
  ▹ Standard | Modern
• 多种扩散模型支持！
• 内置文本、图像、批处理和视频处理控制！
• 多平台！
  ▹ Windows | Linux | MacOS | nVidia | AMD | IntelArc/IPEX | DirectML | OpenVINO | ONNX+Olive | ZLUDA
• 在安装时执行特定于平台的自动检测和调整
• 利用最新开发优化处理，内置对模型编译、量化和压缩
  的支持编译后端：Triton | StableFast | DeepCache | OneDiff | TeaCache | etc
  量化和压缩方法：BitsAndBytes | TorchAO | Optimum-Quanto | NNCF
• 使用 150+ OpenCLiP 模型和 20+ 内置 VLM 进行查询/字幕
• 内置队列管理
• 具有自动更新和依赖项管理的内置安装程序
• 移动设备兼容

使用 StandardUI 的主界面：

使用 ModernUI 的主界面：

模型支持

标清。Next 支持广泛的模型：

包含但不限于以下模型

Publisher	Model	Version	Size	Diffusion Architecture	Model Params	Text Encoder(s)	TE Params	Auto Encoder	Other
StabilityAI	Stable Diffusion	1.5	2.28GB	UNet	0.86B	CLiP ViT-L	0.12B	VAE
StabilityAI	Stable Diffusion	2.1	2.58GB	UNet	0.86B	CLiP ViT-H	0.34B	VAE
StabilityAI	Stable Diffusion	XL	6.94GB	UNet	2.56B	CLiP ViT-L + ViT+G	0.12B + 0.69B	VAE
StabilityAI	Stable Diffusion	3.0 Medium	15.14GB	MMDiT	2.0B	CLiP ViT-L + ViT+G + T5-XXL	0.12B + 0.69B + 4.76B	16ch VAE
StabilityAI	Stable Diffusion	3.5 Medium	15.89GB	MMDiT	2.25B	CLiP ViT-L + ViT+G + T5-XXL	0.12B + 0.69B + 4.76B	16ch VAE
StabilityAI	Stable Diffusion	3.5 Large	26.98GB	MMDiT	8.05B	CLiP ViT-L + ViT+G + T5-XXL	0.12B + 0.69B + 4.76B	16ch VAE
StabilityAI	Stable Cascade	Medium	11.82GB	Multi-stage UNet	1.56B + 3.6B	CLiP ViT-G	0.69B	42x VQE
StabilityAI	Stable Cascade	Lite	4.97GB	Multi-stage UNet	0.7B + 1.0B	CLiP ViT-G	0.69B	42x VQE
Black Forest Labs	Flux	1 Dev/Schnell	32.93GB	MMDiT	11.9B	CLiP ViT-L + T5-XXL	0.12B + 4.76B	16ch VAE
Ostris	Flex	1 Alpha	25.65GB	MMDiT	4.0B	CLiP ViT-L + T5-XXL	0.12B + 2.95B	16ch VAE
NVLabs	Sana	1.5 1.6B	9.49GB	MMDiT	1.60B	Gemma2	2.61B	DC-AE
NVLabs	Sana	1.5 4.8B	15.58GB	MMDiT	4.72B	Gemma2	2.61B	DC-AE
NVLabs	Sana	1.0 1600M	12.63GB	MMDiT	1.60B	Gemma2	2.61B	DC-AE
NVLabs	Sana	1.0 600M	7.51GB	MMDiT	0.59B	Gemma2	2.61B	DC-AE
FAL	AuraFlow	0.3	31.90GB	MMDiT	6.8B	UMT5	12.1B	VAE
AlphaVLLM	Lumina	Next SFT	8.67GB	DiT	1.7B	Gemma	2.5B	VAE
AlphaVLLM	Lumina	2	20.75GB	DiT	2.61B	Gemma-2	2.61B	16ch VAE
PixArt	Alpha	XL 2	21.3GB	DiT	0.61B	T5-XXL	4.76B	VAE
PixArt	Sigma	XL 2	21.3GB	DiT	0.61B	T5-XXL	4.76B	VAE
Segmind	SSD-1B	N/A	8.72GB	UNet	1.33B	CLiP ViT-L + ViT+G	0.12B + 0.69B	VAE
Segmind	Vega	N/A	6.43GB	UNet	0.75B	CLiP ViT-L + ViT+G	0.12B + 0.69B	VAE
Segmind	Tiny	N/A	1.03GB	UNet	0.32B	CLiP ViT-L	0.12B	VAE
Kwai	Kolors	N/A	17.40GB	UNnet	2.58B	ChatGLM	6.24B	VAE
PlaygroundAI	Playground	1.0	4.95GB	UNet	0.86B	CLiP ViT-L	0.12B	VAE
PlaygroundAI	Playground	2.x	13.35GB	UNet	2.56B	CLiP ViT-L + ViT+G	0.12B + 0.69B	VAE
Tencent	HunyuanDiT	1.2	14.09GB	DiT	1.5B	BERT + T5-XL	3.52B + 1.67B	VAE
Warp AI	Wuerstchen	N/A	12.16GB	Multi-stage UNet	1.0B + 1.05B	CLiP ViT-L + ViT+G	0.12B + 0.69B	42x VQE
Kandinsky	Kandinsky	2.2	5.15GB	Unet	1.25B	CLiP ViT-G	0.69B	VQ
Kandinsky	Kandinsky	3.0	27.72GB	Unet	3.05B	T5-XXXL	8.72B	VQ
Thudm	CogView	3 Plus	24.96GB	DiT	2.85B	T5-XXL	4.76B	VAE
Thudm	CogView	4	30.39GB	DiT	6.37B	GLM-4	9.40B	VAE
IDKiro	SDXS	N/A	2.05GB	UNet	0.32B	CLiP ViT-L	0.12B	VAE
Open-MUSE	aMUSEd	256	3.41GB	ViT	0.60B	CLiP ViT-L	0.12B	VQ
Koala	Koala	700M	6.58GB	UNet	0.78B	CLiP ViT-L + ViT+G	0.12B + 0.69B	VAE
Thu-ML	UniDiffuser	v1	5.37GB	U-ViT	0.95B	CLiP ViT-L + CLiP ViT-B	0.12B + 0.16B	VAE
Salesforce	BLIP-Diffusion	N/A	7.23GB	UNet	0.86B	CLiP ViT-L + BLiP-2	0.12B + 0.49B	VAE
DeepFloyd	IF	M	12.79GB	Multi-stage UNet	0.37B + 0.46B	T5-XXL	4.76B	Pixel
DeepFloyd	IF	L	15.48GB	Multi-stage UNet	0.61B + 0.93B	T5-XXL	4.76B	Pixel
MeissonFlow	Meissonic	N/A	3.64GB	DiT	1.18B	CLiP ViT-H	0.35B	VQ
VectorSpaceLab	OmniGen	v1	15.47GB	Transformer	3.76B	None	0	VAE	Phi-3
HiDream-AI	HiDream	I2 Fast/Dev/Full	42.71 GB + 15.69	MMDiT	17.10B	CLiP ViT-L + ViT+G + T5-XXL + LLama-3.1-8B	0.12B + 0.69B + 2.95B + 4.54B	16ch VAE

平台支持

• nVidia在 Windows 和 Linux 上使用 CUDA 库的 GPU
• AMD公司一旦 AMD 发布适用于 Windows 的 ROCm，在 Linux
  支持上使用 ROCm 库的 GPU 将扩展到 Windows
• 英特尔 Arc在 Windows 和 Linux 上将 OneAPI 与 IPEX XPU 库结合使用的 GPU
• 任何与使用 DirectML 库
  的 Windows 上的 DirectX 兼容的 GPU：这包括对本机 ROCm 库不支持的 AMD GPU 的支持
• 与 Windows 和 Linux 上的 OpenVINO 库兼容的任何 GPU 或设备
• OSX 上的 Apple M1/M2 使用 Torch 中的内置支持和 MPS 优化
• ONNX/橄榄
• AMD公司Windows 上使用 ZLUDA 库的 GPU

以及 Docker 容器接收：CUDA、ROCm、Intel IPEX 和 OpenVINO

开始

• 开始使用 SD。接下来按照安装说明进行作
• 有关更多详细信息，请查看高级安装指南
• 命令行参数的列表和说明
• 安装演练视频

提示

有关特定于平台的信息，请查看

WSL | Intel Arc | DirectML | OpenVINO | ONNX & Olive | ZLUDA | AMD ROCm | MacOS | nVidia | Docker

常见问题疑难解答

如果您在使用 SD 时遇到问题。接下来，请按照以下步骤作，以帮助首先清除已知问题。
所有用户都应该执行步骤 #1 和 #2，无论是否有问题。

1. CLI 参数

您应该通过键入 来熟悉所有可用的 CLI 参数，这将
向您显示它们的完整列表。您可能有一些您不知道的选择可供您使用。webui.bat (or .sh) --help

2. UI 配置

如果您的文件大于几 （1-20） KB，请将其删除。UI 配置文件的工作方式发生了变化
，现在它只保存 SD 之间的差异。Next的默认值和你设置的内容，而不是包含所有内容的旧
的臃肿文件。新设置和默认值被不再有效的现有
旧设置覆盖会产生问题，这甚至可能导致按钮无法正常工作。ui-config.json

3. 配置

通常，只需删除 config.json 文件并让 SD 即可解决许多问题。接下来生成一个新的。然而
，这是破坏性的和烦人的，因为您必须再次设置所有个人首选项，包括模型/图像路径。
相反，我们建议简单地重命名为 .这样，当您重新启动 SD 时
，系统将生成一个新文件。接下来，同时保留您的路径和设置。您始终可以使用 来启动
SD。接下来，使用之前的设置进行备份，如果重命名没有帮助，则完全撤消重命名。config.jsonconfig-backup.json--config config-backup.json

4. 使用调试模式

如果您遇到任何类型的错误、意外的进程终止或其他问题，请启动 SD。接下来是
参数。这将使您能够更详细地查看正在发生的事情，通常会显示明显的修复程序或指示错误的
来源。一般来说，我们建议一直运行，但一些用户发现看到它
如此频繁地更新很烦人。--debug--debug

5. 安全模式

除非您遇到的问题直接涉及扩展，否则将所有非必要的扩展
从等式中去除（禁用它们）以进行故障排除可能会有所帮助。因此，我们建议从参数
开始，看看是否有任何非必要的扩展导致了手头的问题。--safe

💡如有问题或建议，🥳请在社区或评论告诉我们。🎨享受精彩的AI绘画乐趣！

⭕ 使用Qpipi读图提示功能，获取图片TAG Prompt提示 | Stable Diffusion AI绘图软件常见问题解答 | AI绘画新人必备工具指南