ml-stable-diffusion

在 Mac 和 iPhone 上本地跑 Stable Diffusion，离线出图。

ml-stable-diffusion 是苹果官方开源的 Stable Diffusion 推理实现，专门面向 Apple Silicon 芯片（M1/M2/M3 系列）优化。它把原本依赖 NVIDIA GPU 的扩散模型转换为 Core ML 格式，让 Mac、iPhone、iPad 等设备无需独立显卡即可本地生成图像。项目提供模型转换脚本、Swift 与 Python 推理示例，并支持 PyTorch 权重到 Core ML 的完整流水线，用户可自行转换任意 Stable Diffusion 模型。核心能力包括：利用 Apple Neural Engine 与 GPU 加速、支持图像到图像、文本到图像、负向提示词、无分类器引导、多步采样调度器，以及量化压缩以降低内存占用。它解决的是苹果生态缺少高效本地扩散模型推理方案的问题，让开发者能在端侧离线运行生成式 AI，兼顾隐私与速度。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 17971

维护状态活跃

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队apple-aiml-research

所属国家

官网地址

GitHubhttps://github.com/apple-aiml-research/ml-stable-diffusion

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型

GitHub 星标★ 17971

30天Star增速

HF 下载量

上线时间2022-11-16 00:00:00

最近更新2026-09-16 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-18

浏览次数1

使用教程

难度：进阶约 10 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

macOS 13.1 或更高版本（模型转换与项目构建）
Python 3.8（用于模型转换）
coremltools 7.0（用于模型转换）
Xcode 14.3 与 Swift 5.8（用于构建 Swift 项目）
目标设备：macOS 13.1+，iPadOS/iOS 16.2+（内存优化版需 macOS 14.0+ / iOS 17.0+）

安装与启动步骤

1检查系统版本

确保 macOS 版本满足要求，不同用途版本要求不同。
2安装转换依赖

安装 Python 3.8 和 coremltools 7.0，用于将 PyTorch 模型转换为 Core ML。
3转换模型

使用 python_coreml_stable_diffusion 包转换模型，生成 Core ML 模型文件。
4构建 Swift 项目

使用 Xcode 14.3 和 Swift 5.8 构建 StableDiffusion 包。

5运行 CLI 示例

使用转换后的模型生成图像，替换资源路径和输出路径。

swift run StableDiffusionSample "a photo of an astronaut riding a horse on mars" --resource-path /your/path/to/mlpackages/Resources/ --seed 93 --output-path /your/path/to/output/image

如何确认成功

运行 CLI 示例后，在输出路径生成以提示词和种子命名的 PNG 图片。

常见问题

Q：支持哪些设备？

A：支持 Apple Silicon 芯片的 Mac、iPhone、iPad，需满足系统版本要求。

Q：内存不足怎么办？

A：在 iOS 上构造 StableDiffusionPipeline 时设置 reduceMemory 为 true。

Q：输出文件如何命名？

A：根据提示词和随机种子命名，如 a_photo_of_an_astronaut_riding_a_horse_on_mars.93.final.png。

注意事项

仅支持 Apple Silicon 芯片，Intel Mac 不可用。
转换模型需要满足 macOS 13.1、Python 3.8 和 coremltools 7.0。
构建 Swift 项目需要 Xcode 14.3 和 Swift 5.8。
目标设备运行时版本要求见系统需求。

核心亮点

苹果官方维护，与 Core ML、ANE 深度适配，性能与兼容性有保障
提供完整转换脚本和 Swift/Python 示例，从 PyTorch 到端侧部署链路清晰
支持量化与多种采样器，可在移动端内存受限环境下运行

不足之处

仅面向 Apple 平台，无法在 Windows/Linux 或非苹果芯片上使用
转换流程对新手仍有一定门槛，模型版本兼容性需自行验证

适用场景

Mac 用户在本地离线生成插画或概念图，保护隐私
iOS 开发者在 App 中集成端侧 AI 绘图功能
研究人员在 Apple Silicon 上做扩散模型推理性能测试

替代项目

diffusers、stable-diffusion-webui

项目介绍

ml-stable-diffusion 是一个图像生成领域的开源项目，官方简介：Stable Diffusion with Core ML on Apple Silicon。项目使用 Python 开发，在 GitHub 上获得 17971 星标。

上一篇：dynamicprompts

下一篇：stable-diffusion-webui-extensions