# 本地图像和视频生成

> 在本机使用 stable-diffusion.cpp 生成图像、纹理和短视频片段：NVIDIA（CUDA）、AMD 和 Intel（Vulkan）、Apple 芯片（Metal）或处理器。添加 Image Gen 和 Video 工具。模型是独立的包（Z-Image Turbo、FLUX、SDXL、Qwen-Image、LTX-2.5、Wan 2.2 等）。

- ID: `aigd.sdcpp`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 运行时
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.3.1 (发布于 2026-11-22)
- 许可证: MIT
- 需要 AI Game Dev 应用: `>=0.20.0`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.sdcpp

## 安装

使用 gamedev CLI，在项目文件夹中运行：

```bash
gamedev pkg add aigd.sdcpp
```

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.sdcpp`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.3.1 | 2026-11-22 | `>=0.20.0` | 最新 |
| 1.3.0 | 2026-11-21 | `>=0.20.0` | - |
| 1.2.0 | 2026-11-18 | `>=0.20.0` | - |
| 1.1.3 | 2026-11-06 | `>=0.20.0` | - |
| 1.1.2 | 2026-10-13 | `>=0.20.0` | - |
| 1.1.1 | 2026-10-12 | `>=0.20.0` | - |
| 1.1.0 | 2026-10-12 | `>=0.20.0` | - |
| 1.0.1 | 2026-10-11 | `>=0.20.0` | - |
| 1.0.0 | 2026-10-05 | `>=0.20.0` | - |

## 描述

````markdown
# 本地图像和视频生成（`aigd.sdcpp`）

这个运行时让 AI Game Dev 在本机、在你自己的 GPU 上（或者对于在该硬件上测量过的模型，用它的处理器），借助 [stable-diffusion.cpp](https://github.com/leejet/stable-diffusion.cpp) 生成图像、纹理和短视频片段。所有内容都在你的电脑上生成，而且生成不产生任何费用。它是下面每一个本地图像和视频模型包背后的引擎：安装一次，然后添加适合你的电脑和游戏的模型。

这个包只包含数据（`aigd-package.json`，不含代码）。它会告诉 AI Game Dev 该为你的电脑下载哪个 stable-diffusion.cpp 版本，并在会话的 Tools 栏中添加两个开关：**Image Gen** 和 **Video**。在你于会话中开启它们之前，两者都是关闭的。程序由应用自行下载、校验并运行。

## 功能

- 为你的电脑下载合适的 stable-diffusion.cpp 构建（NVIDIA CUDA，AMD / Intel / 其他 GPU 用 Vulkan，Apple 芯片 Mac 用 Metal，或使用处理器），并通过 sha256 校验。
- 让智能体用你安装的模型包生成图像（文生图、图生图、编辑）和片段（文生视频、图生视频）。
- 当你没有指定模型时，自动挑选已下载且适合你电脑的最佳模型（**default model** 和 **default video model** 设置会覆盖这一选择）。
- 为图像和片段运行同一个共享队列（见下文），并可选设置生成时间上限和 GPU 显存预算。

## 模型是独立的包

这个包不包含任何模型。请在 Packages 浏览器中安装模型包（例如 `aigd.image-z-image-turbo`，片段则用 `aigd.video-ltx25` / `aigd.video-wan22-ti2v-5b`），然后在 Models 面板中下载其文件。没有你的确认就不会下载任何内容，而且你会先看到大小——智能体请求模型时也一样。

### 图像模型

| 包 | 最适合 | 电脑 |
|---|---|---|
| [Z-Image Turbo](https://ai-game.dev/packages/aigd.image-z-image-turbo) | 快速生成写实和插画风格图像、短文本 | NVIDIA 4 GB+，其他 GPU 8 GB+，集成 GPU（较慢） |
| [FLUX.1 schnell](https://ai-game.dev/packages/aigd.image-flux1-schnell) | 4 步生成插画、照片、图标、精灵图 | NVIDIA 8 GB+ |
| [FLUX.2 klein 4B](https://ai-game.dev/packages/aigd.image-flux2-klein-4b) | 插画、图标、精灵图 | Apple 芯片 Mac |
| [SDXL 1.0](https://ai-game.dev/packages/aigd.image-sdxl-base) | 通用插画、概念设计图、照片 | NVIDIA 8 GB+ |
| [Animagine XL 4.0](https://ai-game.dev/packages/aigd.image-animagine-xl-4) | 动漫角色和插画 | NVIDIA 8 GB+ |
| [Juggernaut XL v9](https://ai-game.dev/packages/aigd.image-juggernaut-xl-v9) | 电影感写实图像 | NVIDIA 8 GB+ |
| [RealVisXL V5.0](https://ai-game.dev/packages/aigd.image-realvisxl-v5) | 写实人物、场景、产品 | NVIDIA 8 GB+ |
| [Qwen-Image](https://ai-game.dev/packages/aigd.image-qwen-image) | 文字渲染、UI 界面稿、海报 | NVIDIA 16 GB+, 32 GB RAM |
| [Qwen-Image-2512](https://ai-game.dev/packages/aigd.image-qwen-image-2512) | 文字渲染与提示词遵循，20 步 | NVIDIA 16 GB+, 32 GB RAM |
| [Qwen-Image-2512 Lightning](https://ai-game.dev/packages/aigd.image-qwen-image-2512-lightning) | 4 步实现同样效果 | NVIDIA 16 GB+, 32 GB RAM |
| [Qwen-Image-Edit-2511](https://ai-game.dev/packages/aigd.image-qwen-image-edit-2511) | 按指令编辑图像，20 步 | NVIDIA 16 GB+, 32 GB RAM |
| [Qwen-Image-Edit-2511 Lightning](https://ai-game.dev/packages/aigd.image-qwen-image-edit-2511-lightning) | 4 步实现同样效果 | NVIDIA 16 GB+, 32 GB RAM |
| [Qwen-Image-2.1 Turbo Q3](https://ai-game.dev/packages/aigd.image-qwen-image-2-1-turbo-q3) | 透明背景（非商业用途） | NVIDIA 6–8 GB, 16 GB RAM |
| [Qwen-Image-2.1 Turbo](https://ai-game.dev/packages/aigd.image-qwen-image-2-1-turbo) | 透明背景（非商业用途） | NVIDIA 8 GB+、16 GB 内存；或 Windows 电脑的处理器 |
| [Qwen-Image-2.1 Turbo Q8](https://ai-game.dev/packages/aigd.image-qwen-image-2-1-turbo-q8) | 透明背景（非商业用途） | NVIDIA 12 GB+, 24 GB RAM |

### 视频模型

| 包 | 最适合 | 电脑 |
|---|---|---|
| [LTX-2.5](https://ai-game.dev/packages/aigd.video-ltx25) | 带同步声音、文本或起始图像的片段 | NVIDIA 16 GB+, 48 GB RAM |
| [Wan 2.2 TI2V 5B](https://ai-game.dev/packages/aigd.video-wan22-ti2v-5b) | 无声音的片段，开放许可证 | NVIDIA 12 GB+, 16 GB RAM |

每个模型包都会说明自己的许可证以及测量时所用的电脑。

## 示例请求

- “开启 Image Gen，为背包做一个银钥匙图标。”
- “用本地图像模型画一张沙漠峡谷的概念图。”
- “做一个 5 秒的标题画面片段，带风声和远处的雷声。”

## 一个队列，一块 GPU

图像和片段共用同一个队列和同一块 GPU，同一时间只加载一个模型。加载模型需要一些时间，所以只要还有任务在等待，已加载的模型就会一直占用 GPU，图像和片段都一样。当已加载的模型没有待办任务，或者针对另一个模型的任务已等待至少 5 分钟时，另一个模型才能轮到自己。此时，下一个轮到的就是任务等待时间最长的模型。切换模型绝不会中断已经在运行的图像或片段：它会先完成。只有在你停止它、达到你设置的生成时间上限，或者智能体取消片段时，它才会提前停止。

## 下载内容

一个上游发布版本，按 tag 固定并通过 sha256 校验：`leejet/stable-diffusion.cpp` [`master-1106-532d2c1`](https://github.com/leejet/stable-diffusion.cpp/releases/tag/master-1106-532d2c1)。Linux 变体仍停留在 [`master-929-3f8527a`](https://github.com/leejet/stable-diffusion.cpp/releases/tag/master-929-3f8527a)：上游从该版本起在 Ubuntu 26.04 上构建 Linux，而那些二进制文件需要 glibc 2.43。应用会为你的电脑选择一个变体。你可以通过 `backend` 设置更改它。

| 变体 | 电脑 | 下载 |
|---|---|---|
| `win-x64-cuda12` | Windows，NVIDIA GPU（驱动 572.61 或更新，计算能力 6.1 或更新） | 976 MB（程序 + NVIDIA CUDA 运行时） |
| `win-x64-vulkan` | Windows，AMD / Intel / 其他 GPU | 30 MB |
| `win-x64-cpu` | 没有可用 GPU 的 Windows：使用处理器。速度慢（在性能较好的台式机上，每张 512 px 图像约需一分钟，笔记本上需要数分钟），且仅适用于在该硬件上测量过的模型（Qwen-Image-2.1 Turbo） | 18 MB |
| `darwin-arm64-metal` | Apple 芯片 Mac，**macOS 26 或更新** | 38 MB |
| `linux-x64-vulkan` | 带 Vulkan GPU 的 Linux x64，**glibc 2.38 或更新**（Ubuntu 24.04+、Debian 13+）。需要安装 `libgomp.so.1` 和 `libvulkan.so.1` | 37 MB |

在 GPU 构建可运行的环境里绝不会选用 CPU 构建；如果仍要使用，可在 Models 中把后端选为 **CPU**。

**文本编码器。** 模型中负责读取提示词的部分可以运行在 GPU 或处理器上（`textEncoder` 设置，Models 中的 **Text encoder**）。**Auto** 保持每个模型测量时的配置：Qwen-Image-2.1 Turbo Q3 和 Wan 2.2 为适配其显卡而把它放在处理器上。**CPU** 可释放约 2 GB 显存，代价是每张图像多花一两秒；**GPU** 在显卡有余量时略快，但对于测量时把它放在处理器上的模型，可能会显存不足。

**Linux 是预览版。** Linux 构建尚未在真实的 Linux GPU 上测试过。它可以选择，并标记为“预览”。

应用从不安装驱动或系统库。如果有缺失，它会告诉你需要安装什么。

## 许可证

- stable-diffusion.cpp — MIT，© leejet（[许可证](https://github.com/leejet/stable-diffusion.cpp/blob/master/LICENSE)）。
- ggml — MIT（上游附带的是 [ggml-org/ggml](https://github.com/ggml-org/ggml) 的分支 [leejet/ggml](https://github.com/leejet/ggml)）。
- NVIDIA CUDA 运行时（cudart、cuBLAS），仅包含在 Windows CUDA 变体中 — 由上游依据 [NVIDIA CUDA EULA](https://docs.nvidia.com/cuda/eula/) 再分发。
- NVIDIA CUTLASS，仅包含在 Windows CUDA 变体中 — BSD-3-Clause（[许可证](https://github.com/NVIDIA/cutlass/blob/main/LICENSE.txt)）。
- 本包 — MIT。每个模型包都会说明自己的许可证。

所有文件均从上游 GitHub 发布页下载。AI Game Dev 不托管这些文件。
````
