人工智能本地部署媒体生成【免费下载链接】stable-diffusion-webuiStable Diffusion web UI项目地址https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui点击查看免费下载本文以仓库根目录的 CHANGELOG.md 为主线系统梳理 stable-diffusion-webui 自 1.0.0 至 1.10.1 的功能演进与技术路线重点剖析 1.10.x 引入的 Stable Diffusion 3 支持、六种新调度器、DDIM CFG 采样器与六连发性能优化并结合 modules、configs、extensions-builtin 等源码目录验证每个关键特性的真实实现。读完本文你将掌握该项目采样器—调度器—模型—性能四大技术支柱的演进脉络并能在升级、排障与二次开发时准确对应到具体源码位置。一、版本总览一条持续迭代的技术主线CHANGELOG.md 记录了自 1.0.0everything至 1.10.1 的完整版本轨迹。整体演进可以归纳为四条主线主线代表版本核心技术内容模型体系扩展1.5.0 / 1.8.0 / 1.10.0SDXL → SDXL-Inpaint、LCM、SD 2.1 Turbo、SSD-1B、SD3采样与调度体系1.6.0 / 1.9.0 / 1.10.0DDIM/PLMS/UniPC 重构、主 UI 调度器选择、六种新调度器、DDIM CFG性能优化1.4.0 / 1.6.0 / 1.8.0 / 1.10.0cond/uncond 批量、低显存策略、extra networks 提速、六连发优化扩展与 API 生态1.3.0 / 1.5.0 / 1.9.0 / 1.10.0脚本回调体系、Lora 重构、schedulers API、process_before_every_samplinghook最新版本 1.10.1 仅含一处 Bug 修复修复 CPU 上的图像放大问题PR #162751.10.0 则是自 1.8.0 之后规模最大的一次功能发布。二、1.10.0Stable Diffusion 3 支持与模型体系扩展2.1 SD3 推理支持1.10.0 最大的特性是引入 Stable Diffusion 3 支持PR #16030、#16164、#16212。CHANGELOG 明确给出了两项使用前提推荐使用 Euler 采样器DDIM 以及其他基于 timestamp 的采样器当前不支持T5 文本模型默认禁用需要在设置中开启。这两项约束在源码中都有对应实现。SD3 相关代码位于 modules/models/sd3包含核心组件mmdit.pyMM-DiTMultimodal Diffusion TransformerSD3 的核心模型组件sd3_cond.py条件编码器装配同时使用 SDClipModel / SDXLClipG / T5XXLModel 三种文本编码器sd3_impls.pySD3 的 UNet 与 CFGDenoiser 实现sd3_model.py模型装配入口。T5 开关在设置项sd3_enable_t5中定义shared_options.pysd3_enable_t5: OptionInfo(False, Enable T5).info( load T5 text encoder; increases VRAM use by a lot, potentially improving quality of generation; requires model reload to apply ),注意该设置注释明确说明开启 T5 会大幅增加显存占用可能提升生成质量且需要重载模型才能生效。从源码结构看sd3_cond.py中通过shared.opts.sd3_enable_t5控制 T5XXLModel 是否参与条件编码默认关闭正是为了控制显存开销。配置文件层面仓库提供了 sd3-inference.yaml 作为 SD3 推理的模型配置模板展示了解析 SD3 checkpoint 时所需的network_config、conditioner_config等结构。2.2 六种新调度器1.10.0 一口气新增六个调度器Align Your Steps、KL Optimal、Normal、DDIM、Simple、Beta。调度器负责决定采样过程中每一步的噪声强度sigma序列。它们在 sd_schedulers.py 中统一注册Scheduler(automatic, Automatic, None), Scheduler(uniform, Uniform, uniform, need_inner_modelTrue), Scheduler(karras, Karras, k_diffusion.sampling.get_sigmas_karras, default_rho7.0), Scheduler(exponential, Exponential, k_diffusion.sampling.get_sigmas_exponential), Scheduler(polyexponential, Polyexponential, k_diffusion.sampling.get_sigmas_polyexponential, default_rho1.0), Scheduler(sgm_uniform, SGM Uniform, sgm_uniform, need_inner_modelTrue, aliases[SGMUniform]), Scheduler(kl_optimal, KL Optimal, kl_optimal), Scheduler(align_your_steps, Align Your Steps, get_align_your_steps_sigmas), Scheduler(simple, Simple, simple_scheduler, need_inner_modelTrue), Scheduler(normal, Normal, normal_scheduler, need_inner_modelTrue), Scheduler(ddim, DDIM, ddim_scheduler, need_inner_modelTrue), Scheduler(beta, Beta, beta_scheduler, need_inner_modelTrue),调度器注册键源码函数特点Align Your Stepsalign_your_stepsget_align_your_steps_sigmas来自 NVIDIA 研究代码注释标注了官方 howto 页面针对扩散模型的步长对齐优化对低步数场景效果显著KL Optimalkl_optimalkl_optimal基于 KL 最优化的 sigma 序列Normalnormalnormal_scheduler需要 inner modelneed_inner_modelTrue依赖模型内部信息计算调度DDIMddimddim_scheduler与 DDIM 采样器配套的确定性调度Simplesimplesimple_scheduler简化调度曲线Betabetabeta_scheduler基于 Beta 分布的调度曲线其中need_inner_modelTrue表示该调度器需要访问去噪网络内部状态才能生成 sigma 序列这也是为什么部分调度器在 API 中会附带额外参数。1.9.1 版本还为此新增了/sdapi/v1/schedulersAPI 端点见后文便于前端与第三方客户端枚举可用调度器。2.3 新采样器DDIM CFG除调度器外1.10.0 还新增了采样器DDIM CFGPR #16035。采样器决定去噪的推进方式调度器决定 sigma 序列——二者搭配使用。在 sd_samplers_timesteps.py 中注册(DDIM CFG, sd_samplers_timesteps_impl.ddim_cfgpp, [ddim_cfgpp], {}),其实现位于 sd_samplers_timesteps_impl.py是 CFGClassifier-Free Guidance思想在 DDIM 采样轨迹上的改进版本适用于需要在较少步数内获得稳定构图的场景。三、1.10.0 性能优化系列六连发源码解读1.10.0 的 Performance 章节一次性并入六个编号优化 PRPerformance 1/66/6加若干独立优化构成一次系统性的推理加速use_checkpoint FalsePR #15803在 sd_models.py 中加载模型时强制关闭 UNet 与网络配置中的 gradient checkpointingsd_config.model.params.network_config.params.use_checkpoint False sd_config.model.params.unet_config.params.use_checkpoint False由于推理阶段不需要反向传播保存中间激活关闭 checkpoint 可避免多余的按块重算开销是纯推理场景的标准做法。用 torch 原生算子替换 einops.rearrangePR #15804减少 einops 的字符串解析与张量重排开销。从 sd_hijack_optimizations.py 等处的实现看项目对注意力与 UNet 前后处理均做了大量原生算子改写。预计算is_sdxl_inpaint标志PR #15806在 processing.py 中将每次采样循环都要判断的是否为 SDXL 修补模型提前到任务初始化阶段避免热路径上的重复判定。避免不必要的 extra networks bias 备份PR #15816Lora/LyCORIS 等额外网络在应用权重时涉及 bias 的暂存与恢复此优化减少无损备份次数缩短单步采样耗时。新增--precision half选项PR #15820在 cmd_args.py 中注册parser.add_argument(--precision, typestr, helpevaluate at this precision, choices[full, half, autocast], defaultautocast)配合既有的--no-half/--no-half-vaecmd_args.py用户可以在推理前显式将模型转为半精度见 sd_models.py 的model.half()避免推理过程中反复 dtype 转换同时 sd_models.py 会校验--precision half与--no-half不能同时使用。LDM 优化补丁PR #15824与sigmas 保留在 CPUPR #15823后者把采样调度序列放在 CPU 上减少 GPU 内存中的张量搬运前者针对 LDM 的 UNet 前向过程打了系列优化补丁。此外1.10.0 还有两项值得注意的优化NaN 检查后置不再在每步采样后检查 UNet 输出中的 NaN而是在所有 step 完成后统一检查一次对应 devices.py 的test_for_nans与 cmd_args.py 的--disable-nan-check新增 torch profiler 选项在设置中启用 profiling 后profiling.py 会构造torch.profiler.profile记录 CPU/CUDA 活动并把结果导出为 Chrome Trace 文件生成结果通过 UI 提供下载链接call_queue.py。启用 profiling 的相关设置在 shared_options.pyprofiling_enable默认 False、profiling_activities默认仅 CPU可选 CUDA、profiling_record_shapes、profiling_profile_memory、profiling_with_stack与profiling_filename默认trace.json。四、1.10.0 Minor 特性与命令行参数1.10.0 的 Minor 章节包含十余项体验与功能改进其中与技术配置强相关的如下跳过早期步骤的 CFGPR #15607新增选项允许在前几个采样步跳过 CFG 计算适用于超分辨率或对早期构图精度不敏感的场景可显著提速。新增--models-dir命令行参数PR #15742在 cmd_args.py 中定义作为模型的基础存储路径、覆盖--data-dirparser.add_argument(--models-dir, typenormalized_filepath, defaultNone, helpbase path where models are stored; overrides --data-dir)实际解析发生在 paths_internal.pymodels_path cmd_opts_pre.models_dir if cmd_opts_pre.models_dir else os.path.join(data_path, models)。这意味着你可以把全部模型checkpoint、VAE、Lora、embeddings 等放到独立磁盘而把配置与输出留在--data-dir。移动端双指手势打开上下文菜单PR #15682配合 mobile 内建扩展改善触屏操作。捆绑 Textual Inversion 的 Lora 名称作为 TI hashes 写入 infotextPR #15679保证生成参数可复现。模型下载后校验哈希PR #15602防止下载损坏的模型文件api/models.py 与 sd_models.py 中维护了sha256哈希字段与计算逻辑。更多扩展标签过滤选项PR #15627。保存 AVIF 时复用 JPEG 的质量设置PR #15610。新增[basename]文件名模式PR #15978在 images.py 中注册为basename: lambda self: self.basename or img将源图像文件名不含扩展名嵌入输出文件名。SDXL 的 clip L 可启用 clip skipPR #15992通过CLIP_stop_at_last_layers设置见 sd_hijack_open_clip.py 的 layer_idx 机制。生成期间阻止屏幕休眠PR #16001设置项prevent_screen_sleep_during_generation默认开启shared_options.py。图像查看器新增 ToggleLivePreview 按钮PR #16065。移除 UI 重载与快速滚动时的闪烁PR #16153。可关闭 Save 按钮写 log.csvPR #16242对应设置项save_write_log_csvshared_options.py日志路径为outdir_save/log.csvui_common.py。4.1 扩展与 APIprocess_before_every_samplinghook1.10.0 在扩展体系上最重要的变化是新增process_before_every_sampling回调PR #15984。该回调在每一次采样而非整个生成任务开始前触发在 scripts.py 中统一调度def process_before_every_sampling(self, p, **kwargs): for script in self.ordered_scripts(process_before_every_sampling): script.process_before_every_sampling(p, *script_args, **kwargs)调用点分布在 processing.py、processing.py 与 processing.py覆盖 txt2img、img2img 与 hires fix 第二遍等不同采样路径。扩展作者可用它实现逐 step 级的动态提示词、采样中途参数修正等高级能力。另一项 API 变化是无效采样器名现在返回 HTTP 400 而非 404PR #16140便于客户端区分参数错误与资源不存在对 API 集成方更友好。五、1.9.x 系列调度器 API 与文件名模式扩展1.9.x 是 1.10.0 的前置铺垫主要贡献集中在调度器体系与文件名模板1.9.4固定 setuptools 版本以解决启动错误PR #15882。1.9.3修复get_crop_region_v2裁剪区域计算PR #15594。1.9.2恢复 1.8.0 风格的脚本命名方式。1.9.1新增AVIF 图像支持PR #15582新增文件名模式[sampler_scheduler]与[scheduler]PR #15581。前者把采样器调度器组合写入文件名后者仅写入调度器名实现在 images.py 的get_sampler_scheduler_str与get_scheduler_str新增/sdapi/v1/schedulersAPI 端点PR #15577在 api.py 中注册self.add_api_route(/sdapi/v1/schedulers, self.get_schedulers, methods[GET], response_modellist[models.SchedulerItem])移除 API upscaling factor 限制PR #15560允许更大的放大倍数多项修复图片不匹配/坐标越界PR #15534、remove_callbacks_for_function未从有序表移除PR #15533、x1 upscalerPR #15555、扩展脚本cls.__module__PR #15532等启动脚本兼容性改进webui.sh可从任意含.git文件的目录运行PR #15561并适配 Debian 11、Fedora 34、openSUSE 15.4PR #15544。六、1.9.0Refiner 切换重构与调度器进入主 UI1.9.0 对采样管线做了一次重要的架构调整Refiner 基于模型 timesteps 切换而非采样步数PR #14978更精确地匹配不同模型的噪声调度阶段配套修复还包括alphas_cumprod在切换期间的保护PR #14979。主 UI 增加调度器选择PR #15333、#15361、#15394此前调度器与采样器耦合现在可在界面中独立选择调度器。SGM Uniform 调度器PR #15325专为 SDXL-Lightning 等模型设计。回调重排序 UIPR #15205可在界面中调整回调执行顺序并支持扩展元数据声明回调顺序。extra networks 旧式目录视图选项新增设置可在树状视图与旧式目录列表间切换。命令行参数方面新增--unix-filenames-sanitization与--filenames-max-lengthPR #15031前者允许文件名除/外保留任意符号后者控制保存图像文件名最大长度默认 128。其实现位于 cmd_args.py 与 images.py默认非法字符集为#:/\|?*\n\r\t开启 Unix 模式后仅排除/同时sanitize_filename_part会截断到filenames-max-length并清理首尾空格与点号。--no-prompt-historyPR #15189禁用上一轮生成提示词的自动回填见 processing.py 与 infotext_utils.py 的条件判断。--dat-models-pathPR #15039指定 DAT upscaler 模型目录默认值为models/DATcmd_args.py。模型能力方面DoRAweight-decompose支持PR #15160、#15283LoRA/LoHa/LoKr 可选用权重分解式训练方法LyCORIS BOFT 推理支持PR #14871、#14973PNG-RGBA 输出PR #15334与safetensors 元数据内嵌封面图PR #15319缓存库切换为 diskcachePR #15287、#15299图片 URL 拖拽读取 infotextPR #15262Extras 放大器最大边长度限制输入框PR #15293 等扩展 Git 元数据只拉取激活分支PR #15233。硬件方面新增 Ascend NPU 训练支持PR #14981更新 ROCm 5.7 与 PyTorchPR #14820Navi1 优化工作绕过与 Navi3 去--prePR #15224。七、1.8.0Soft Inpainting、FP8 与 Spandrel 架构1.8.0 是 1.10.0 之前的一次大规模发布奠定了多项沿用至今的能力Soft InpaintingPR #14208以软蒙版soft mask替代二值蒙版进行修补实现在内建扩展 extensions-builtin/soft-inpainting可降低蒙版边缘的接缝感。FP8 支持PR #14031、#14327低精度推理选项进一步压缩显存。SDXL-Inpaint 模型支持PR #14390对应配置文件 sd_xl_inpaint.yaml。统一使用 Spandrel 处理放大与人脸修复架构PR #14425 等十余个 PR将 ESRGAN、SwinIR、ScuNET、CodeFormer、GFPGAN 等架构解析统一收敛到 Spandrel 库简化了模型加载与升级维护对应 upscaler.py、face_restoration.py 与 modules/esrgan_model.py 等模块。零终止 SNR 噪声调度选项PR #14145被 CHANGELOG 明确标注为SEED BREAKING CHANGE——启用该选项后同一 seed 生成的图像将与旧版不同。图像查看器✨按钮对选中图像直接执行 hires fix。官方 LCM 采样器支持PR #14583见 sd_samplers_lcm.py。DAT upscaler 支持PR #14690、#15039见 modules/dat_model.py。Extra Networks 树状视图PR #14588、#14900即 ui_extra_networks.py 与 ui_extra_networks_checkpoints.py 呈现的目录树浏览模式。NPU 支持PR #14801见 modules/npu_specific.py。Prompt 注释支持配合新增的before_token_counter回调提示词中的注释不再计入 token。自动向后兼容 infotext 版本从旧图加载带program version的 infotext 时自动追加兼容设置见 infotext_versions.py。API 与工程方面移除了 requirements 中的 basicsr/gfpgan/realesrgan 及其依赖支持 API task idPR #14314--nowebui模式支持 TLSPR #14593新增postprocess_image_after_composite回调PR #14657新增刷新 embeddings 列表的 API 端点PR #14715generation_parameters_copypaste模块更名为infotext_utils。性能上对超大 extra networks 目录做了大规模索引优化PR #14528、#14512、#14527。八、1.7.0设置页重构与扩展网络形态扩充1.7.0 的核心是设置体系与扩展网络LoRA/LyCORIS形态的扩充设置页重构新增搜索框、分类目录并把 UI 设置页拆分成多个子页。altdiffusion-m18 支持PR #13364对应 configs/alt-diffusion-m18-inference.yaml。LyCORIS GLora 推理支持PR #13610见 extensions-builtin/Lora/network_glora.py。lora-embedding 捆绑系统PR #13568Lora 可携带与之配套的 Textual Inversion embedding 一并加载。SSD-1B 支持PR #13865与SD 2.1 Turbo 支持PR #14170。OFT 网络推理支持PR #13692见 extensions-builtin/Lora/network_oft.py。HyperTile 优化PR #13948内建扩展 extensions-builtin/hypertile通过分块注意力降低高分辨率生成的显存压力。IPEX 支持Intel Arc GPUPR #14171见 modules/xpu_specific.py。Train→Preprocessing 页并入 Extras 页训练预处理能力统一收纳到 modules/ui_postprocessing.py 对应的 Extras 页签。Minor 亮点包括--skip-load-model-at-startPR #13253启动时不预载模型GIF 图像读写 infotextPR #13068webui.settings.batPR #13638Ctrl/AltEnter 启动/重启生成PR #13644多 styles CSV 文件支持PR #14125extra network 卡片描述默认按纯文本渲染可选项恢复 HTML。九、1.6.0Refiner、RNG 一致性与采样器重构1.6.0 是一次采样体系大重构Refiner 支持PR #12371SDXL 的 refiner 模型可与基础模型接力生成见 modules/processing_scripts/refiner.py。RNG source 新增 NV 选项使得同一手动 seed 在 CPU/AMD/Mac 上与 N 卡产生一致结果见 modules/rng.py。样式编辑器对话框见 modules/ui_prompt_styles.py。hires fix 第二遍可使用不同 checkpointPR #12181在 processing.py 中通过hr_checkpoint_name字段实现并写入 infotext 的 Hires checkpoint 字段。多模型常驻内存PR #12227。新采样器Restart、DPM 2M SDE Exponential、DPM 2M SDE Heun 及其 Karras/Exponential 变体、DPM 3M SDE 系列PR #12300、#12519、#12542。DDIM、PLMS、UniPC 重构为使用与 k-diffusion 相同的 CFG denoiser这一改动的意义在于——三者从此支持 img2img、支持 AND 提示词组合、并可用于 SDXL。这解释了 1.10.0 为何要对 timestamp 类采样器单独声明当前不支持 SD3SD3 走的是完全不同的 MM-DiT 推理路径。SDXL 的 Textual Inversion 推理支持见 modules/textual_inversion。checkpoint merger 元数据支持见 ui_checkpoint_merger.py。--medvram-sdxlPR 标注于 1.6.0仅对 SDXL 启用 medvram 优化注册于 cmd_args.py生效逻辑在 lowvram.pymedvram or medvram_sdxl and hasattr(sd_model, conditioner)——即 SDXL 模型带conditioner属性时才触发。批量 cond/uncond 默认开启batching 由默认关闭改为默认开启低显存用户若 OOM 可在设置中重新关闭。请求按到达顺序处理并显示队列位置PR #12707。prompt editing 时间线区分第一遍与 hires fix 遍PR #12457标注为 seed breaking change。十、1.5.x 与更早版本基础能力与生态成形1.5.0SD XL 支持引入 SDXL 模型体系Lora 扩展重做为通用网络框架吸收原 LyCORIS 的能力见 extensions-builtin/Lora/network.py 及 network_lora/network_glora/network_lokr/network_hada/network_ia3/network_oft/network_norm 等实现文件用户元数据系统见 ui_extra_networks_user_metadata.pyTI 哈希写入 infotextimg2img 批量支持子目录与 PNG 信息读取扩展 GitHub star 展示启动时跳过已安装依赖、提速约 2 秒自动用 32 位浮点 VAE 应对 NaN 图。1.4.0新增 sysinfo 设置页modules/sysinfo.py自定义 k-diffusion 调度器设置提示词/负提示词等长填充选项[vae_filename]文件名模式持久化 conds 缓存扩展安装后自动重启进程。1.3.0token mergingtomesdTAESD 廉价实时预览modules/sd_vae_taesd.pyLora 哈希计算并写入 infotext从 infotext 的 Lora 哈希反查本地文件交叉注意力优化可在 UI 选择/sdapi/v1/script-info与/sdapi/v1/refresh-loras端点。1.2.0启动时不再阻塞等待模型加载[denoising]文件名模式Lora 优先使用元数据中的名称读取 kohya-ss 扩展参数--subpath反向代理参数。1.1.0切换 PyTorch 2.0[clip_skip]、[hasprompt]、[batch_number]、[generation_number]文件名模式img2img 保存 init 图与哈希RNG source 设置跨 GPU 一致Gradio theme APILinux 默认启用 TCMalloc。1.0.0everything——项目自述中全部能力的起点。十一、升级与兼容性注意事项汇总根据 CHANGELOG 中明确标注的破坏性变更升级时需重点关注1.6.0prompt editing 时间线拆分为第一遍/hires fix 两段PR #12457[ red : green : 0.5 ]语法允许数字后带空格PR #12177批量 cond/uncond 默认值翻转。三者均影响旧 seed 的可复现性。1.8.0零终止 SNR 噪声调度选项为 SEED BREAKING CHANGEPR #14145Restore faces与Tiling从主 UI 移入设置页可用 Options in main UI 找回。1.10.0SD3 仅支持 Euler 采样器T5 默认关闭--max-batch-count已废弃1.10.0 标注 Defunct见 cmd_args.py不再产生效果。对已有多版本图片库的用户1.8.0 引入的 infotext 自动版本兼容机制modules/infotext_versions.py会在加载旧图参数时自动补齐兼容设置降低回灌参数时的偏差。十二、结语从 CHANGELOG 到源码的验证闭环纵观 CHANGELOG.md 的 24 个版本stable-diffusion-webui 的演进呈现出清晰的节奏每代大版本解决一个体系性问题——1.6.0 统一采样器底层、1.8.0 统一放大/人脸架构与新增低精度路线、1.9.x 把调度器独立成一等公民、1.10.0 则完成对 SD3 的接入与一次系统性的推理提速。CHANGELOG 中每一行特性都能在 modules、configs 与 extensions-builtin 中找到对应实现例如调度器注册表sd_schedulers.py、profiler 封装profiling.py、--models-dir路径解析paths_internal.py与process_before_every_sampling回调调度scripts.py。对于希望升级、调参或做扩展开发的读者以 CHANGELOG 为索引、以对应源码为落脚点是理解这套 Web UI 技术栈最高效的路径。赞分享人工智能本地部署媒体生成【免费下载链接】stable-diffusion-webuiStable Diffusion web UI项目地址https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui点击查看免费下载相关推荐【2025新范式】从Stable Diffusion V1到SD3-Medium千亿参数模型的进化之路与技术拆解【2025新范式】从Stable Diffusion V1到SD3 Medium千亿参数模型的进化之路与技术拆解 你还在为AI绘图的「七宗罪」烦恼吗 • 复深度学习计算机视觉Argilla 1.x SDK 技术演进全览从 FeedbackDataset 到 ArgillaTrainer 的版本变更深度解读Argilla 1.x SDK 技术演进全览从 FeedbackDataset 到 ArgillaTrainer 的版本变更深度解读 导读 本文以仓库中 ar数据标注人工智能NLPMLOpsRAG思源笔记构建个人知识网络的终极隐私优先解决方案思源笔记构建个人知识网络的终极隐私优先解决方案 在信息爆炸的数字时代你是否经常感到知识碎片化、难以有效管理面对海量的网络内容、技术文档和个人灵感传统笔记知识管理知识库创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考