axodox-machinelearning

纯 C++ 离线跑 Stable Diffusion,无需 Python 环境

这是一个纯 C++ 实现的 ONNX 离线 AI 模型库,专注于图像生成与相关视觉任务。它无需 Python 或 PyTorch 运行时,直接通过 DirectML 调用 GPU 加速,支持 Stable Diffusion 1.5 和 XL、ControlNet、Midas 深度估计、HED 边缘检测和 OpenPose 姿态估计等模型。项目解决了在原生 C++ 应用中集成复杂 AI 模型的难题,提供了简洁的 API 和 NuGet 包,方便开发者构建完全离线的本地图像生成工具。其核心能力包括文本生成图像、基于 ControlNet 的条件生成(如边缘、深度、姿态引导)、深度估计和人体姿态检测,且所有模型均以 ONNX 格式运行,兼容性较好。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 634
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队axodox
所属国家
官网地址
定价模式free
价格说明MIT 许可证,完全免费开源,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言C++
技术栈/模型controlnet,cpp,directml,holistically-nested-edge-detection,image-generation,midas,mit-license,native,nuget,onnx,openpose,stable-diffusion,stable-diffusion-xl
GitHub 星标★ 634
30天Star增速
HF 下载量
上线时间2023-06-04 00:00:00
最近更新2026-09-12 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 纯 C++ 实现,无 Python 依赖,适合原生应用集成
  • 支持 DirectML,可在 Windows 上利用 GPU 加速
  • 覆盖多种模型:SD1.5/XL、ControlNet、Midas、OpenPose 等

不足之处

  • 文档/社区待观察
  • 仅支持 Windows 平台(依赖 DirectML)

适用场景

  • 在 C++ 桌面应用中集成本地 AI 图像生成
  • 需要离线运行的图像编辑工具(如边缘或姿态引导)
  • 对隐私敏感,需完全本地处理的图像生成场景

替代项目

Stable Diffusion.cpp、ONNX Runtime、Diffusers (C++ 移植版)

项目介绍

axodox-machinelearning 是开源模型领域的开源项目,由 axodox 开发,2023 年首次发布。

它收录于开源模型分类,该分类目前共有 424 个项目,GitHub 星标数为 634。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-12。MIT 许可证,完全免费开源,可自行部署使用。

它主要面向的使用场景是:在C++桌面应用中集成本地AI图像生成。同类可对比的替代方案包括 Stable Diffusion.cpp、ONNX Runtime、Diffusers (C++ 移植版)。

上一篇:Ming-UniVision

下一篇:consistency_flow_matching

同类项目推荐

Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
awesome-ltx2 开源

找齐 LTX-2 模型、工作流和 LoRA,一键上手视频生成。

All available LTX-2 models, encoders, workflows, LoRAs for ComfyUI

★ 593 2026-08-10