手机上也能运行Stable Diffusion?Github上开源且完全免费的AI生图软件!斩获1.4K Stars

手机上也能运行Stable Diffusion?Github上开源且完全免费的AI生图软件!斩获1.4K Stars

Hello,大家好!

今天给大家分享一款GitHub上1.4k星标的开源神器——手机端AI绘画工具,

软件已经整理在文末,有需要的朋友记得获取保存哦~

 链接:https://pan.quark.cn/s/fa5abdb93460

一、软件打开方式

这款工具为安卓APK安装包,共提供两个版本:带过滤器版本和不带过滤器版本,大家可以根据自己的需求选择。下载后直接安装到手机上即可运行,无需复杂配置。

二、软件的功能介绍

这是一款让安卓手机直接运行Stable Diffusion的AI绘画工具,主要特色包括:

全功能AI绘画

支持文生图:输入提示词一键生成图像

支持图生图:导入参考图片二次创作

支持图像修复:模糊图片一键变清晰

多模式加速

支持CPU/GPU/NPU三种运行模式

高通骁龙处理器可启用NPU加速,生成速度极快

非骁龙处理器也可用CPU/GPU流畅运行

开源免费

GitHub开源项目,完全免费无限制

模型可自由下载切换

三、使用指南

第一步:安装与首次设置

下载APK文件并安装至安卓手机

打开软件,首次使用会弹出处理器识别提示

高通骁龙处理器可开启NPU加速,非骁龙选择CPU/GPU模式

重要设置:点击「设置」→ 将下载源从默认地址切换为hf开头的镜像源,否则模型无法下载

第二步:下载模型

根据处理器类型选择对应模型

骁龙用户选择NPU模型(推荐1.1GB版本)

点击确定,软件自动下载并解压

等待解压完成即可使用

第三步:文生图操作

选择已下载的模型

输入提示词(支持中文)

点击「生成图像」

NPU加速下,生成一张图仅需3秒以内

生成完成后点击右上角保存按钮,图片保存至手机相册

点击「历史」可查看过往生成记录

第四步:图像修复

点击软件右上角魔法棒图标

选择需要变清晰的图片

选择动漫或真实模型

一键优化,模糊图秒变高清

第五步:图生图操作

选择模型

导入参考图片

软件自动基于参考图生成新图像

支持高级设置:分辨率、调度器等参数可手动调整

四、使用体验

以前想在手机上跑Stable Diffusion,要么得租云端服务器,要么得折腾PC远程连接。现在好了,一个APK装完,手机直接变身AI画室。

骁龙用户开NPU,三秒一张图,丝滑得不像是在跑AI;非骁龙用户用CPU模式,虽然慢一点,但也能完整跑通。文生图、图生图、老照片修复,桌面端能做的事手机一样不少。整套工具已打包整理,方便大家一次性获取使用,有需要的朋友快去下载试试吧!

五、下载链接

链接:https://pan.quark.cn/s/fa5abdb93460

Read more

AI绘画平民化:开源镜像+千元显卡畅玩Z-Image-Turbo

AI绘画平民化:开源镜像+千元显卡畅玩Z-Image-Turbo 从“算力贵族”到“人人可画”:AI图像生成的平民化革命 曾几何时,高质量AI图像生成是少数拥有高端GPU(如A100、4090)用户的专属领域。动辄数十GB显存、上千美元硬件投入,让大多数爱好者望而却步。然而,随着阿里通义实验室推出Z-Image-Turbo模型,并由开发者“科哥”完成WebUI二次开发与本地部署优化,一场真正的AI绘画平民化浪潮正在到来。 Z-Image-Turbo并非简单的轻量化模型——它在保持高视觉质量的同时,将推理显存需求压缩至8GB以下,这意味着即使是2020年后的主流中端显卡(如RTX 3060、2060、甚至MX系列)也能流畅运行。更关键的是,该项目以完全开源+预配置镜像的形式发布,极大降低了技术门槛,真正实现了“开箱即用”。 本文将深入解析这一技术组合如何打破AI绘画的硬件壁垒,并提供一套完整、可落地的本地部署与使用指南,帮助你用千元级设备开启创作之旅。 技术架构解析:Z-Image-Turbo为何能“小显存大产出” 核心机制:蒸馏+结构优化双轮驱动 Z-Image-Tu

Science Advances | 一种材料造出整只大象机器人:晶格几何编程实现从柔软到刚硬的

Science Advances | 一种材料造出整只大象机器人:晶格几何编程实现从柔软到刚硬的

论文信息 英文题目:Lattice structure musculoskeletal robots: Harnessing programmable geometric topology and anisotropy 中文题目: 晶格结构肌肉骨骼机器人:利用可编程几何拓扑和各向异性 作者:Qinghua Guan, Benhui Dai, Hung Hon Cheng, Josie Hughes 作者单位: 瑞士洛桑联邦理工学院(EPFL) 期刊:Science Advances(IF 13.6 中科院一区,JCR一区) 发表时间:2025年7月16日 链接:https://www.science.org/doi/10.1126/sciadv.adu9856 引文格式:Guan

论文阅读:Training language models to follow instructions with human feedback

Ouyang L, Wu J, Jiang X, et al. Training language models to follow instructions with human feedback[J]. Advances in neural information processing systems, 2022, 35: 27730-27744. 引言 引言首先指出了当前大型语言模型(LMs)存在的一个核心问题:模型规模变大并不意味着它们能更好地遵循用户的意图 。具体而言,大型模型经常生成不真实、有毒或对用户毫无帮助的输出,这是因为语言模型的训练目标(预测网页上的下一个 token)与用户希望的目标(“有用且安全地遵循指令”)是错位的。作者的目标是让模型在“有用性”(Helpful)、“诚实性”(Honest)和“无害性”(Harmless)这三个方面与用户意图对齐。

无人机组队编队与相对定位原理详解

前言 随着无人机技术的快速发展,单一无人机的应用已经无法满足日益复杂的任务需求。无人机集群编队飞行技术应运而生,在军事侦察、灾害救援、农业植保、物流配送、灯光表演等领域展现出巨大潜力。本文将深入探讨无人机编队飞行中的核心技术——相对定位原理,并提供完整的实现代码。 一、无人机编队飞行概述 1.1 基本概念 无人机编队飞行是指多架无人机按照预定的队形和轨迹进行协同飞行的技术。这种技术需要解决以下核心问题: * 位置感知:每架无人机需要知道自己和其他无人机的位置 * 通信协调:无人机之间需要实时交换信息 * 队形控制:保持预定的几何队形 * 避障避撞:防止无人机之间的碰撞 * 容错机制:单机故障时的队形重构 1.2 编队架构分类 集中式架构 * 由地面站或领导者无人机统一控制 * 优点:全局优化、控制精确 * 缺点:通信压力大、单点故障风险高 分布式架构 * 每架无人机自主决策 * 优点:鲁棒性强、可扩展性好 * 缺点:协调复杂、可能产生局部最优 混合式架构 * 结合集中式和分布式的优点