techjarves/Portable-Local-Studio

项目介绍

Portable AI Studio 把四类本地 AI 工作流装进一个桌面 Web 界面：Stable Diffusion 图像生成、基于 llama.cpp 的 GGUF 对话、基于 whisper.cpp 的 Whisper 语音转写，以及 Kokoro 文本转语音。所有推理都在本机完成，不依赖云端，无遥测、无登录、无 API Key。它面向希望零配置、可便携地试用本地模型的人，省去自行搭建 Python 环境和多个后端的过程。

便携性来自项目目录内捆绑的 Node.js 运行时和预编译 GPU/CPU 后端，不在系统全局安装任何东西。内置的 Model Manager 支持粘贴 Hugging Face 链接直接下载权重，或拖放本地文件导入；输出画廊会保存生成的图片以及提示词参数和元数据 JSON；界面内还能实时查看 CPU、RAM、GPU 和显存占用。为避免耗尽内存，文本引擎和图像引擎默认互斥，需要在界面中切换工作区。

快速使用

1. 下载或克隆仓库，并放在可写目录中，因为首次启动会在该目录内下载运行时和后端文件。
2. 按平台启动：
   • Windows：双击 windows.bat。首次运行会自动下载便携版 Node.js 并配置预编译的 GPU/CPU 后端；需要 64 位 Windows 10 或 11。
   • Linux：先执行 chmod +x linux.sh，再运行 ./linux.sh。NVIDIA 用户会收到 CUDA 后端配置提示；AMD 用户可用 ./linux.sh --max-perf 添加 ROCm；Intel Core Ultra NPU 用 ./linux.sh --setup-openvino 配置。
   • macOS：先执行 chmod +x mac.sh，再运行 ./mac.sh。预编译后端仅适用于 Apple Silicon（M1 或更新），不支持 Intel Mac。
3. 添加模型：把 .safetensors、.gguf 或 .ckpt 权重放入 app/models/，或在界面的 Model Manager 中下载。对话用的 GGUF 模型放入 app/llm-models/，Whisper 模型放入 app/speech-models/，Kokoro 资源放入 app/tts-models/ 和 app/tts-runtime/。
4. 打开 http://localhost:1420，选择模型，即可生成图片或开始对话。也可以先看作者提供的安装与演示视频了解流程。

使用约束

• 图像模型仅支持单文件 checkpoint。 SD 1.5、SDXL 以及单文件 SD/SDXL GGUF checkpoint 可以直接加载；Flux、HiDream、Hunyuan、Wan、Qwen Image 和 Z-Image 工作流不受支持，因为它们通常需要单独的 diffusion、VAE 和文本编码器文件。LoRA、ControlNet、仅 VAE、仅文本编码器或仅 diffusion 的文件也不能作为独立图像模型加载。
• Linux 预编译二进制面向 Ubuntu 24.04 时代的系统，要求 glibc 2.38+ 和 GLIBCXX_3.4.32+。较旧发行版需要升级系统或从源码编译后端。OpenVINO NPU 还要求内核 6.6+、带 venv 的 Python 3 以及 Intel Linux NPU 驱动。
• Web 界面没有登录，默认只接受本机连接。设置 UAIS_HOST=0.0.0.0 可对局域网开放，届时同一网络中的任何人都能使用。
• 模型许可由各自作者决定。 应用代码和捆绑的 stable-diffusion.cpp 采用 MIT 许可，但下载的权重受其创建者条款约束。

HotRepo 点评

2026-11-01，该项目在 JavaScript 日榜上排名第 2，当天 Star 净增 108，累计达到 1,691 Star、415 Fork。这只是单日快照而非趋势，但足以说明它当天是 JavaScript 仓库中关注度最高的项目之一。从功能看吸引力不难理解：它把四套独立的本地推理栈收进一个启动脚本和一个浏览器界面，绕开了让许多人放弃尝试本地模型的环境配置问题。README 也暴露了广度优先带来的取舍——只支持单文件 checkpoint，图像链路不支持 LoRA 和 ControlNet，并且各平台有明确的运行时门槛。它适合想快速得到一个可用的本地 AI 试验场的人；已经有成熟 diffusion 流水线的用户仍需要别的工具。

项目源码与说明