sdnq

低比特量化扩散模型，小显存也能跑图

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 138

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类模型训练

开发团队Disty0

所属国家

官网地址

GitHubhttps://github.com/Disty0/sdnq

定价模式free

价格说明开源免费，需自行部署使用

访问状态

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型

GitHub 星标★ 138

30天Star增速

HF 下载量

上线时间2025-09-11 00:00:00

代码更新—

仓库体积—

本站数据更新—

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2026-10-17

浏览次数0

项目介绍

sdnq 是 SD.Next 生态下的量化引擎，用 Python 编写，目标是让 Stable Diffusion 类扩散模型在消费级显卡上跑得动、跑得快。它把模型权重从高精度压缩到低比特表示，减少显存占用并提升推理速度，同时尽量保持生成画质。核心能力包括对常见扩散模型组件的量化支持、与 SD.Next 推理流程的集成，以及面向不同硬件条件的配置选项。对于显存有限、想在本地跑图或做批量生成的用户，它提供了一条比直接换卡更省钱的路径。项目当前星标约 138，属于早期阶段，接口和兼容性可能仍在演进，适合愿意跟进更新、动手调试的进阶用户，而不是开箱即用的通用工具。