Portable-Local-Studio

一个界面跑齐本地画图、聊天、朗读和听写，免安装随身带

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署基础设施 🍴 复刻 468 🐛 待处理 9 👀 关注 54

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1933

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

Portable-Local-Studio 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类基础设施

开发团队techjarves

官网地址https://youtu.be/u89EoYOkA6U?si=AjTHc6zO8TYaIDcP

GitHubhttps://github.com/techjarves/Portable-Local-Studio

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MIT

主要语言JavaScript

技术栈/模型image-generation,speech-to-text,text-generation,text-to-speech

GitHub 星标★ 1933

上线时间2026-06-04 00:00:00

代码更新2026-11-05

仓库体积4.7 MB

本站数据更新2026-11-06

维护状态活跃

收录时间2026-09-23

浏览次数2

项目介绍

Portable-Local-Studio 是一个面向 Windows、Linux 和 macOS 的便携式本地 AI 工作台，目标是把图像生成、GGUF 格式大语言模型推理、文本转语音和语音转文本四类能力整合进一个零配置的图形界面里。它解决的核心问题是本地 AI 工具链碎片化：通常用户需要分别安装 ComfyUI、llama.cpp、TTS 和 STT 项目，还要处理 Python 环境、CUDA 依赖和模型路径。该项目用 JavaScript 构建统一 GUI，开箱即用，模型和运行时随包分发，不依赖系统级安装，适合在移动硬盘或 U 盘上携带使用。核心能力包括：一键加载 GGUF 模型进行对话与文本生成；内置图像生成流程；集成 TTS 朗读与 STT 转写；跨三大桌面平台一致体验。对于不想折腾命令行、又希望数据完全留在本地的用户，它提供了一个低门槛入口。

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 2026-09-23 · 当前星标 ★ 1933

技术标签

image-generation speech-to-text text-generation text-to-speech

使用教程

难度：入门约 10 分钟部署方式：本地安装 7 步

环境要求

Windows、Linux 或 macOS 桌面系统
已安装现代网页浏览器（用于访问本地界面 http://localhost:1420）
首次运行需联网下载便携 Node.js 运行时与 GPU/CPU 后端二进制
macOS 仅支持 Apple Silicon（M1 及以上），Intel 机型完全不支持
预留充足磁盘空间（如 Linux 启用 ROCm 后端约需下载 1.3 GB）

安装与启动步骤

1获取项目文件

把仓库克隆到本地，得到一个包含 windows.bat / linux.sh / mac.sh 的项目文件夹。
```
git clone https://github.com/techjarves/Portable-Local-Studio.git
```
2Windows 启动

在项目文件夹中双击 windows.bat。首次运行会自动下载便携 Node.js 运行时并配置预编译的 GPU/CPU 后端二进制，耗时较久属正常。
```
windows.bat
```
3Linux 授权并启动

进入项目文件夹，先给脚本加可执行权限再运行。NVIDIA 用户运行时会提示是否安装高性能 CUDA 后端（预编译下载，失败则从源码编译）。
```
chmod +x linux.sh
./linux.sh
```
4Linux 可选加速后端

AMD Radeon 用户加 --max-perf 启用 ROCm 后端（约 1.3 GB 下载）；Intel Core Ultra NPU 用户用 --setup-openvino 配置 NPU（需先装 Intel Linux NPU 驱
```
./linux.sh --max-perf
./linux.sh --setup-openvino
```
5macOS 授权并启动

进入项目文件夹，赋予执行权限后运行。预编译后端针对 Apple Silicon 优化并使用 Metal GPU 加速。
```
chmod +x mac.sh
./mac.sh
```
6放入模型文件

把 .safetensors、.gguf 或 .ckpt 权重放进 app/models/ 目录，也可以在界面里的 Model Manager 标签页在线下载模型。
7打开界面生成

用浏览器访问本地地址，在界面中选择模型并输入提示词即可开始生成或对话。

关键配置

配置项	必填	说明	示例
`访问地址`	是	本地 GUI 的浏览器访问入口	`http://localhost:1420`
`模型目录`	是	存放 .safetensors/.gguf/.ckpt 权重文件的目录	`app/models/`
`--max-perf`	否	Linux 下为 AMD Radeon 启用 ROCm 后端加速，约 1.3 GB 下载	`./linux.sh --max-perf`
`--setup-openvino`	否	Linux 下配置 Intel Core Ultra NPU 支持，需预装 Intel NPU 驱动	`./linux.sh --setup-openvino`

如何确认成功

浏览器打开 http://localhost:1420 能正常显示界面，并在 Model Manager 中选择到已放入的模型即启动成功。

常见问题

Q：macOS 的 Intel 机型可以运行吗？

A：不可以。预编译的 macOS 后端仅针对 Apple Silicon（M1 或更新）优化并使用 Metal 加速，README 明确说明 Intel 硬件完全不支持。

Q：Linux 上 AMD 显卡怎么开加速？

A：运行 ./linux.sh --max-perf，会额外下载约 1.3 GB 的 ROCm 后端；NVIDIA 用户则直接在 ./linux.sh 运行时按提示安装 CUDA 后端。

Q：第一次启动为什么很慢？

A：首次运行会自动下载便携 Node.js 运行时并配置预编译的 GPU/CPU 后端二进制，视网络情况需要等待较长时间。

Q：必须联网才能用吗？

A：运行阶段完全离线、无需登录或订阅，但首次运行下载运行时、后端二进制以及获取模型时需要网络。

Q：没有模型文件怎么办？

A：可以自己下载 .safetensors、.gguf 或 .ckpt 权重放入 app/models/，也可以直接在界面的 Model Manager 标签页中下载。

注意事项

整个工具是零配置便携式的，脚本、运行时和模型可随目录一起拷贝到移动硬盘或 U 盘携带使用。
访问界面必须使用现代浏览器，本地地址端口固定为 1420。
NVIDIA、AMD、Intel NPU 的加速后端需要按平台单独启用，未启用时回退到 CPU 后端。
Intel NPU 支持依赖系统已安装 Intel Linux NPU 驱动，缺失时 OpenVINO 后端无法生效。

核心亮点

四类 AI 能力（图像、LLM、TTS、STT）统一在一个 GUI 内，省去分别部署多套工具链
便携设计，模型与运行时随包分发，可放移动硬盘跨机器使用，不污染系统环境
支持 GGUF 格式，兼容 llama.cpp 生态的量化模型，对消费级硬件友好

不足之处

JavaScript 技术栈在本地推理场景下性能上限有限，重度任务仍依赖后端二进制
项目星标约 1.4k，生态和插件扩展性相比 ComfyUI 等成熟项目还有差距

适用场景

在无管理员权限的办公电脑上快速体验本地大模型对话
内容创作者用同一工具完成配图生成、文案生成和配音朗读
需要离线处理敏感语音转写、又不想上传云端的隐私场景

替代项目

ComfyUI、LM Studio、Ollama

上一篇：kronk

下一篇：LodeDB