跳到主要内容

Stable Diffusion WebUI Forge

开源项目

Stable Diffusion WebUI Forge 是构建在 Stable Diffusion WebUI 之上的平台,用于简化开发、优化资源管理、加速推理并研究实验性功能。它面向本地运行 Stable Diffusion 的用户,在不放弃原有界面的前提下改善性能与显存处理。

SOC 2
100

工具介绍

Stable Diffusion WebUI Forge 是构建在 Stable Diffusion WebUI(基于 Gradio)之上的平台,目标是让开发更轻松、优化资源管理、加速推理,并为实验性功能提供试验场。它并不取代原有界面,而是在保留熟悉标签页与控制项的前提下,替换底层的资源调度与推理路径,因此已有工作流、扩展和使用习惯的用户可以较低成本迁移。

名称由来与项目定位

Forge 这个名字取自 Minecraft Forge,项目希望成为 SD WebUI 的 Forge。它当前基于 SD-WebUI 1.10.1 的某个特定 commit。由于原版 SD-WebUI 已接近静态,Forge 大约每 90 天与上游同步一次,或在出现重要修复时提前同步。这意味着它不会追逐上游的每一次改动,但也没有放弃上游维护。排查问题时,需要留意它所基于的版本。

Flux 与量化模型支持

Forge 原生支持 Flux BitsandBytes NF4 以及 GGUF Q8_0、Q5_0、Q5_1、Q4_0、Q4_1 模型,并通过 GPU Weight 滑块、Queue/Async Swap 开关和 swap location 开关进行调节。Flux BNB NF4 与 GGUF Q8_0、Q5_0、Q4_0 模型可使用 LoRA。项目对调参的提醒相当直接:不要把 GPU Weight 设得太高,调低它可以解决绝大多数 Flux 性能问题。

安装与更新方式

推荐使用一键安装包,其中已包含 git 与 Python。推荐组合为 CUDA 12.1 + Pytorch 2.3.1;CUDA 12.4 + Pytorch 2.4 被描述为最快,但 MSVC 可能损坏、xformers 可能无法工作;CUDA 12.1 + Pytorch 2.1 则保留此前使用的旧环境。下载并解压后,用 update.bat 更新,用 run.bat 启动。项目特别强调必须运行 update.bat,否则可能停留在存在未修复 bug 的旧版本。

集成功能与扩展生态

Forge 集成了 ControlNet 与 FreeU,并包含用于透明图像编辑的 LayerDiffuse。FreeU 以脚本形式提供 B1、B2、S1、S2 滑块,在采样前对 UNet 打补丁。项目还维护 Forge 扩展列表与扩展替换列表,帮助用户把现有 WebUI 扩展对应到 Forge 的替代方案。社区讨论涉及低比特模型上的 LoRA 精度、跳过 LoRA patching、让 LoRA 只加载一次而非每次生成都加载,以及如何反馈无法工作的 LoRA。

界面注意事项与故障排查

Gradio 4 UI 有一个需要留意的操作差异:移动画布要使用鼠标右键。项目为常见故障维护了讨论帖,包括“Connection errored out”和“Press anykey to continue”等提示,以及保存 Flux BitsandBytes UNet 或 checkpoint 文件的方法。此外还记录了软广告移除政策。

项目状态

WebUI Forge 仍在建设中,项目提醒文档、UI 与功能可能随更新变化。如果你需要稳定、冻结的环境,这一点需要纳入考量;如果你希望跟进 Flux 等实验性功能的发展,那么代价是目标持续变动,换来的是更早获得优化与集成。

核心功能

  • 构建在 Stable Diffusion WebUI 与 Gradio 之上,保留熟悉的操作界面
  • 针对资源管理进行优化,以加速推理
  • 原生支持 Flux BitsandBytes NF4 与 GGUF Q8_0/Q5_0/Q5_1/Q4_0/Q4_1 模型
  • 提供 GPU Weight 滑块、Queue/Async Swap 开关与 swap location 开关
  • 为 Flux BNB NF4 及 GGUF Q8_0/Q5_0/Q4_0 模型提供 LoRA 支持
  • 集成 ControlNet 与 FreeU
  • 提供捆绑 git 与 Python 的一键安装包,推荐 CUDA 12.1 + Pytorch 2.3.1
  • 通过 update.bat 与 run.bat 完成更新和启动

适用场景

  1. 1在本地运行 Stable Diffusion 图像生成,追求更快推理与更低显存压力
  2. 2使用 Flux 模型的 BitsandBytes NF4 或 GGUF 量化格式生成图像
  3. 3在低比特 Flux 模型上应用 LoRA,并参考精度与 patch 行为相关说明
  4. 4使用集成的 ControlNet 进行受控图像生成
  5. 5通过 LayerDiffuse 编辑透明图像
  6. 6参考社区教程排查 Flux 性能问题与连接错误

优势与注意事项

优势

  • 保留 Stable Diffusion WebUI 界面,同时优化资源管理与推理速度
  • 原生支持 Flux BNB NF4 与 GGUF 量化模型,并支持 LoRA
  • 一键安装包捆绑 git 与 Python,降低环境配置门槛
  • 社区讨论覆盖 Flux、LoRA、ControlNet 与故障排查等主题

注意事项

  • 项目仍在建设中,文档、UI 与功能可能随更新变化
  • Forge 当前基于 SD-WebUI 1.10.1,约每 90 天或遇到重要修复时与上游同步
  • Gradio 4 UI 需要使用鼠标右键移动画布
  • Flux 的 GPU Weight 设置过高会导致多数性能问题,调低可解决大部分情况
  • CUDA 12.4 + Pytorch 2.4 构建被描述为最快,但 MSVC 可能损坏、xformers 可能无法工作

定价详情

未标注订阅价格。

基本信息

官方网站
github.com
收录时间
2026年10月10日
支持平台
网页端
中英支持
未标注
API
标注支持
本地部署
未标注
适合人群
适合已在本地使用 AUTOMATIC1111 Stable Diffusion WebUI、希望获得更快推理、更好资源管理以及 Flux、ControlNet 等实验性功能的用户。
信息最近更新
2026年11月10日
官网状态
检测中
信息纠错 · 隐私请求
联系我们

工具功能、价格与可用性可能变化,请以官网为准。 由 steven 维护 · 最后更新 2026年11月10日 →

关于这个工具的更多内容

相关工具

全部分类