【教程】2025年9月 SD.Next openvino后端安装教程(Win)

我承诺的教程它来啦，在这个贴子里，我来带你从头开始安装以Openvino作为后端的sd.next！
本教程适用于：
Intel CPU（第四代酷睿 Haswell 及以上，含至强、酷睿、Atom）
Intel 集成显卡 UHD / Iris Xe（6 代酷睿起）
Intel 独显 Arc A 系列（A380/A750/A770 等）以及最新 Arc B 系列
Intel NPU（Core Ultra 系列，代号 Meteor Lake / Arrow Lake-H 的 AI PC
0x00 先决条件
更新驱动 -> 前往官网下载最新显卡驱动
安装python：
前往python官网下载安装包:
httPS://python.org/downloads/windows/
下拉找到python 3.11.x(截至目前是3.11.9,可以选最新版）
可以直接点这个下载（win）https://www.python.org/ftp/python/3.11.9/python-3.11.9-amd64.exe


下载好之后双击运行


（打码的是我的windows用户名哈）
温馨提醒记得选择“添加至PATH”，不然命令行检测不到哦（补救措施在下面）
上：立即安装（位置如图所示）
下：自定义安装
选择其一按照窗口走完即可
-测试安装-
安装结束之后，打开命令提示符（Win+R输入CMD）
输入：
python --version


出现类似于Python 3.xx.x 就算成功（见上方截图）
如果不放心，再跑一句pip --version
出现pip 25.1.1 from ******(路径)就算成功
0x01 拉取仓库
方法一：下载打包的文件（吧主打包）
吧主在2025/9/6日使用方法二打包了sdnext的仓库。
蓝奏云：https://wwt.lanzouu.com/iV5Q335k6n2f
下载后解压到任意路径（不建议带空格或者中文哦）。
方法二： 使用Git克隆仓库（Git Clone）
安装Git：https://git-scm.com/downloads/win
建议选择Standalone Installer，下载完成后按照窗口完成安装即可。
安装后打开cmd（见上文），输入
git --version
检查安装是否正确，出现git version x.xx.x.windows.x为成功
进入任意目录，按住shift + 右键选择“在此处打开powershell窗口” （或者“在终端中打开”选项）
或者手动开终端然后cd进入目录。
输入：
git clone https://github.com/vladmandic/sdnext.git
然后等待git完成克隆，你将会看到Updating files: 100% (1246/1246), done. 代表克隆完成。
0x02 运行安装脚本
进入你解压或者克隆的文件夹，打开终端（CMD/powershell均可），确保工作目录是你的sdnext目录：


（或者按照上文省事方法直接按住shift+右键选择“在此处打开powershell窗口” （或者“在终端中打开”选项））
然后，运行脚本，输入如下命令并回车：
.\webui.bat --use-openvino
（sdnext不会自动检测到openvino，需要手动指定！）
随后，sdnext会自动创建venv，并安装所需运行库。（需要时间较长，可以看下方报错解决/下载加速）
也可自备合法网络加速方案（更省心），此处不再展开。
如果安装出错，大概率是互联网问题。
如果安装太慢，那么也是互联网问题。
不过我们可以通过换源的方式来加速下载（绕过启动器安装）
先跑一遍安装脚本，出现Using VENV: xxxx 就可以Ctrl+C打断了。
切换至虚拟环境（venv）
运行如下命令：
.\venv\Scripts\Activate.ps1
（注意前面有个点！）
运行后出现（venv）表示成功（见图）


然后我们选择清华源安装包：
运行如下指令：
pip install -r .\requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
等待安装完成
出现Successfully installed xxx即成功，然后我们再次运行
.\webui.bat --use-openvino
等待安装完成gradio，fastapi等库即可运行（pip换源已经省去了torch等包的安装时间）
0x03运行
在完成以上步骤之后，你已经启动了sd.next
如果没有，请在命令行输入：
.\webui.bat --use-openvino
并在跳出的INFO中寻找下列文字：
Device: device=xxxxx openvino=xxxx
这可以帮助你判断安装是否正确（是在cpu上还是在gpu上）
等到出现“Startup time：xxx”的时候表示成功，请在浏览器中访问；
http://127.0.0.1:7860/
出现以下画面就算成功了。


至此，sd.next成功安装。
请在huggingface/civitai.com找一个模型然后下载，扔到\models\Stable-diffusion目录下（下载.safetensors文件）
以上二者都需要网络加速方案，你也可以访问国内镜像站点：
hf-mirror.com
下载完成后，在左上角的基础模型处选择，这个时候sd.next会编译模型，会卡一下。
然后你可以输入自己的prompt来测试。
我可以给出一个示例，出一张图看看效果：
Prompt：masterpiece,best quality,amazing quality,solo, 1girl, open mouth, long hair, red eyes, dress, long sleeves, black dress, upper body, bug, bangs, looking at viewer, hand up, butterfly, black hair, teeth, brown hair, halo, 1 girl, cute, best quality, masterpiece, open mouth, aura, cover mouth by hand.
Negative: bad quality,worst quality,worst detail,sketch,censor,simple background,transparent background,text,english text, doujin cover,bar censor,censored, Mosaic censoring
大小，推理步数随意就行，别调太大会爆显存，1024x1024即可（也可以选512x512）。
点挤右上角“生成”即可，第一次跑会把整个权重扔到内存，会卡一会，正常情况（除非报错）。
我跑了一遍测试，用了civitai上（目前）排名靠前的模型hassakuXLIllustrious_v30，大伙可以选自己的。


（截图部分隐私信息打码处理）
0x04 随便讲讲
以下几点随便挑一个，精讲都会是论文级别的文章了，所以我简要说明一下，不会太过深入。
打开模型库网站，你会发现三个模型变体分天下，分别是本体XL，变体Illustrious和Pony。
这三者有什么区别呢？
SDXL，也就是基础模型。它的通用性强，适合各种风格，但是对提示词的理解比较一般。
Pony，就是XL的二次元特化版（也是涩图加强版），标签系统更复杂（自己的score_9,score_8一类，也就是booro标签）
illustrious，是pony的升级版，它对手指和身体的结构表现更好一些，它支持booro标签，也支持自然语言提示（但是不要依赖，用自然语言微调，用标签做地基），适合话高质量插画。色彩对比Pony会偏淡一些。
提示词请加上masterpiece，best_quality一类“好”形容词，加上这个就是告诉模型“我要高质量图片”
负面提示词同理，加上你不想出现在画面里的标签，比如上文给出的
VAE是什么？
VAE（可变自动编码器）是输出图片翻译官，它把模型输出的latnet翻译为图片，反之，它也可以把图片压缩成latnet，让模型改。
一般来说，模型都会把VAE嵌在里面，但是我们也可以手动改一个自己喜欢的VAE（相当于后期滤镜+抗噪）。
如果发现出图是黑的，灰的，有时更换vae即可解决。
先去下载一个VAE模型，放在models\VAE目录下。
sd.next UI界面 ->系统 ->可变自动编码器 -> VAE模型 选择你自己下载的就好。
再来说说采样器。
讲一下常用的采样器，DPM 2++ 系列：
2S 二阶单步（2nd-order Single-step）采样器，速度较快，但质量略低
2M 二阶多步（2nd-order Multi-step）采样器，质量更高，但速度稍慢。
SDE 的采样器会引入一定的随机性，图像细节更丰富，但不会收敛，即每次生成的图像可能差异较大，不适合追求一致性。
Flowmatch 是一种较新的采样策略，基于 流模型（Flow Models） 的思想，用于改善扩散模型的采样路径。
它通常用于提升图像的结构一致性和细节还原能力，在一些新版本的 Stable Diffusion 中作为增强选项出现。
UniPC系列：
UniPC可以在极少步数下出图，10-15步即可，它收敛稳，，适合批量出图抽卡，风格友好。
Euler A：
a = ancestral（先祖）
Euler a是一个先祖采样器，它会在每一步引入随机噪声，图像不会收敛。
最佳在15-30步，多了继续飘，少了画面会糊。
速度最快，每一步只调一次Unet，适用于二次元、插画风、幻想场景。
就这样，祝大家跑图愉快！
本人知识有限，如有疏漏在所难免！希望各位大佬评论区指正！

在测试中，我用了自己的CPU（i5-12500H）可以跑出2.16s/it的速度，单张图（512x512，30步，unipc采样和示例图配置相同）需要一分零八秒。

写到最后我发现最开始挖的坑没补。
如果你真的没有点击添加到环境变量（path），那请重新走一遍安装，或者等我再出一个教程吧。