sygil-webui

浏览器里调 Stable Diffusion 参数,批量出图更顺手

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 图像生成 🍴 复刻 851 🐛 待处理 88 👀 关注 69
GitHub ↗
GitHub 星标 ★ 7858
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

sygil-webui 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类图像生成
开发团队Sygil-Dev
定价模式🏷️完全免费
价格说明开源免费,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议AGPL-3.0
主要语言Python
GitHub 星标★ 7858
上线时间2022-08-24 00:00:00
代码更新2026-11-20
仓库体积58.9 MB
本站数据更新2026-11-22
维护状态活跃
收录时间2026-11-22
浏览次数0

项目介绍

sygil-webui 是一个基于 Python 的 Stable Diffusion 网页图形界面,目标是把本地图像生成模型的参数配置、提示词编写、批量出图与结果管理集中到一个浏览器界面中,降低命令行使用门槛。它提供提示词与反向提示词输入、采样器与步数、分辨率、随机种子等常用参数调节,支持文生图与图生图流程,并可在界面内浏览、对比和保存生成结果。项目面向希望在个人设备上搭建可控出图环境的创作者与开发者,强调界面化的参数组织与工作流整合,而非依赖单一脚本反复改代码。其价值在于把模型加载、参数试验和结果筛选串成可复用的操作面板,适合做风格探索、素材草图和批量变体测试。作为社区驱动的 Web UI 项目,功能覆盖与更新节奏受维护者投入影响,使用前建议结合自身硬件与模型格式确认兼容性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-11-22 · 当前星标 ★ 7858

使用教程

难度:进阶 约 30 分钟 部署方式:本地安装 4 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

  • Windows 或 Linux 桌面系统(README 只提供这两个平台的安装文档)
  • Python 运行环境(本项目开发语言为 Python)
  • 可用的 Stable Diffusion 模型权重文件(用于界面内加载模型)
  • 现代浏览器(用于访问本地 Web UI)

安装与启动步骤

  1. 1查看官方安装文档

    README 未给出具体命令,只提供 Windows 与 Linux 安装文档链接,请按自己的系统打开对应页面照做

  2. 2获取项目代码

    把仓库克隆到本地目录,后续安装步骤都在该目录中执行

    git clone https://github.com/Sygil-Dev/sygil-webui.git
    cd sygil-webui
  3. 3按文档安装依赖

    依照对应平台文档完成依赖安装与模型放置,不要跳过文档中的版本要求

  4. 4启动并访问界面

    按文档说明启动服务,然后在浏览器打开文档给出的本地地址进入出图界面

如何确认成功

按官方文档启动服务后,在浏览器打开文档给出的本地地址,能看到含提示词输入框与参数面板的界面即为成功。

常见问题

Q:为什么没有给出具体安装命令?

A:README 仅链接到 Windows/Linux 安装文档,没有内嵌命令,为避免出错请以官方文档页面为准。

Q:Windows 和 Linux 步骤一样吗?

A:不一样,README 分别提供两套安装文档,请只参照与自己系统对应的那一份。

Q:遇到安装或使用问题去哪问?

A:README 建议到项目的 Discord 服务器或 GitHub Discussions 提问,也可先查完整文档站点。

Q:界面里能调整哪些参数?

A:提示词与反向提示词、采样器与步数、分辨率、随机种子等,并支持文生图与图生图流程。

注意事项

  • 本项目依赖本地模型权重与较大显存,安装前确认磁盘和显卡条件。
  • README 未给出端口、启动脚本与包名,任何具体命令都以官方安装文档为准。
  • 建议在独立虚拟环境中安装,避免与其他 Python 项目依赖冲突。

核心亮点

  • 把提示词、采样器、步数、种子等参数集中到网页面板,减少命令行反复改脚本的成本
  • 支持文生图与图生图流程,并可在界面内浏览和对比生成结果,便于快速筛选变体
  • 基于 Python 实现,便于开发者阅读源码并按需扩展自定义参数或处理逻辑

不足之处

  • 社区维护节奏与文档完整度相比主流同类 Web UI 偏弱,新手上手需要自行摸索
  • 功能覆盖和插件生态不如头部项目丰富,部分高级工作流可能需自行改造

适用场景

  • 个人创作者在本地搭建图像生成环境,做风格探索与素材草图
  • 需要批量测试不同提示词与参数组合,快速对比出图效果
  • 开发者基于其界面结构二次开发自定义生成流程

替代项目

AUTOMATIC1111/stable-diffusion-webui、ComfyUI、InvokeAI

同类项目推荐

MooshieUI 开源

不懂节点也能玩转 ComfyUI,轻松生成 AI 图像

A front-end UI for ComfyUI made for beginner level users.

★ 230 2026-08-09
XingGAN 开源

上传人物照片和姿态,一键生成该人物摆出目标姿势的逼真图像

[ECCV 2020] XingGAN for Person Image Generation

★ 225 2026-08-09
HiDT 开源

无标签也能高分辨率转换日间风格,CVPR Oral 官方实现。

Official repository for the paper "High-Resolution Daytime Translation Without Domai···

★ 652 2026-08-09
Portable-Diffusion 开源

零配置本地跑图,一键生成不折腾

[Deprecated] Zero-configuration local AI studio. Active development has moved to Unc···

★ 159 2026-08-09
PITI 开源

用预训练模型,小样本也能搞定高质量图像翻译

PITI: Pretraining is All You Need for Image-to-Image Translation

★ 504 2026-08-09
flat 开源

一个工具搞定多种 AI 图像生成,告别来回切换

All-in-one image generation AI (to be...)

★ 70 2026-08-09