Mine StableDiffusion：用 Kotlin 在口袋里跑 AI 生图

想象一个场景：你正在咖啡馆里等待朋友，突然灵感来了想画一张图。传统做法是打开电脑、登录云端 AI、等待服务器排队——更别提有些还要收费、有些会被审核。而 Mine StableDiffusion 告诉你：掏出口袋里的 Android 手机，点开 App，输入一句提示词，30 秒后，一张 512×512 的 AI 画作就躺在你的相册里了。没有网络、没有付费、没有审核，数据永远留在你自己的设备上。

这就是 Mine StableDiffusion 带来的体验：一部 Android 手机、iPhone，或者一台普通电脑，就能运行 Stable Diffusion 全系列模型的离线 AI 画图工具。它的背后，是 Kotlin Multiplatform 架构将 C++ 推理引擎无缝桥接到现代移动端和桌面端。

---

背景：为什么需要一个"多平台版"的 Stable Diffusion？

Stable Diffusion 自 2022 年开源以来，一直是 AI 生成图像领域最受欢迎的基础模型。然而，现有方案普遍存在两个痛点：

痛点一：平台割裂。 爱好者通常需要针对不同场景使用不同工具——Windows 用户用 Automatic1111 WebUI，Linux 开发者用 ComfyUI，移动端则几乎没有像样的本地推理方案（大多数方案依赖云端 API）。

痛点二：部署门槛高。 即使是桌面端，Stable Diffusion 的主流实现（如 Automatic1111）也依赖复杂的 Python 环境、CUDA 配置，大量普通用户被挡在"本地部署"的门槛之外。

Mine StableDiffusion 的作者 Onion99 正是看到了这个空白。项目于 2025 年 11 月创建，采用 Kotlin Multiplatform 技术栈，试图打造一个"一处代码、多端运行"的 Stable Diffusion 统一客户端——Android、iOS、macOS、Windows、Linux，一个不落。

---

核心功能：口袋里的 AI 画室

Mine StableDiffusion 的核心定位是离线优先的 AI 艺术工作室。它整合了从模型下载到图像生成再到参数管理的完整流程：

多模型支持，覆盖主流架构。 项目支持的模型范围相当全面：经典的 SD 1.5/2.x 系列、SDXL 及其 Turbo 变体、Illustrious-XL、Pony 等社区热门 SDXL 模型，以及 FLUX.1（schnell/dev）、SD3/SD3.5、Z-Image、Chroma、Ovis-Image 等最新架构。GGUF 量化格式原生支持，降低本地运行门槛。

LoRA 无限扩展。 用户可以直接拖放 .safetensors 格式的 LoRA 文件，App 支持多个 LoRA 同时叠加、权重精细调节，UI 内置权重滑块，无需切换到其他工具。

高级采样控制。 内置 Euler a、DPM++ 2M、LCM、TCD 等多种采样算法，可以实时切换、对比不同算法对同一提示词的效果差异，帮助用户深入理解采样器对生成结果的影响。

元数据自文档化。 导出的 PNG 图片自动嵌入完整生成参数（提示词、种子、模型名、采样器、CFG、LoRA 信息），将图片重新拖入 App 即可完整还原上一次的生成环境。

---

技术架构：C++ 推理 + Kotlin UI = 原生性能

从技术角度看，Mine StableDiffusion 的架构设计颇为精妙。项目没有选择纯 Kotlin/Python 混合路线，而是采用了Native C++ 后端 + Kotlin Multiplatform 桥接层的架构：

底层：C++ 推理引擎。 项目直接集成 stable-diffusion.cpp——这是 llama.cpp 作者 leejet 的作品，将 Stable Diffusion 模型用纯 C/C++ 重写，支持 GGUF 量化、CPU/GPU 混合推理、Flash Attention 等优化。这是整个项目的性能根基：纯 C++ 实现绕过了一切 Python 开销。

桥接层：JNI 绑定。 Kotlin Multiplatform 通过 JNI（Android）和类似机制（macOS/iOS 的 Metal bindings）调用 C++ 层，实现跨平台的 native 互操作。gradle 构建脚本中可以看到 diffusion-loader.cpp 等自定义 C++ 模块被编译为各平台的 native 库。

UI 层：Compose Multiplatform。 整个前端使用 JetBrains 的 Compose Multiplatform 构建，一套 Kotlin 代码同时编译为 Android 的 Jetpack Compose、iOS 的 SwiftUI、Web 的 Canvas，以及桌面端的 JVM UI。配合 Koin 做依赖注入，架构清晰简洁。

硬件加速：Vulkan + Metal 双轨并行。 Android/Windows/Linux 走 Vulkan 1.2+ 路径，macOS/iOS 走 Apple Metal 路径。两者分别对应手机 GPU 和 Apple Silicon 的硬件特性，确保推理计算在 GPU 上高效执行。

---

部署体验：非 Docker，但有预编译包

没有 Docker 支持——这是需要注意的一点。项目没有提供 Dockerfile 或 docker-compose.yml，不支持容器化部署。对于习惯用 Docker 一键启动的用户来说，这需要额外的手动配置。

有预编译安装包。 项目维护了 GitHub Releases，提供针对各操作系统的预编译二进制：

• Android：APK 安装包（Android 11+，需要 Vulkan 1.2+ 支持的 GPU）
• Windows：.exe 安装程序
• macOS：.dmg 镜像（Apple Silicon 或 Intel）
• Linux：通用包

从源码构建。 对于开发者，官方提供了 Gradle 构建流程。Android Studio 或 IntelliJ IDEA 打开项目后，执行 ./gradlew :composeApp:run 可启动桌面版，执行 ./gradlew :composeApp:assembleDebug 可构建 Android APK。

部署难度评估：中等。 预编译包对普通用户友好，开箱即用；但从源码构建需要 JDK 21、Android SDK、Vulkan/Metal 驱动等环境配置。quick_deploy = partially_supported。

---

移动端体验：手机上的专业级 AI 画图

Mine StableDiffusion 的移动端体验是它区别于大多数同类方案的核心竞争力。目前 Android 端已稳定发布，iOS 端处于 Beta 阶段。

手机端的核心挑战是 VRAM 管理。 手机 GPU 显存远小于桌面 GPU，项目在设置中提供了精细的 VRAM 控制选项：量化类型选择（FP16/Q8_0/Q4_K）、CPU Offload（将部分计算卸载到 CPU 以避免显存溢出）、CLIP/VAE 独立卸载等。对于不同档次的手机，用户可以灵活调整以在画质和成功率之间取得平衡。

批量生成。 App 支持一次生成最多 10 张图，进度条实时显示，适合快速迭代提示词或生成变体。

---

局限与挑战

尽管项目设计理念清晰，但仍有几个客观限制：

1. iOS 端仍处于 Beta。 截至 2026 年初，iOS 版本尚未完全稳定，Apple 生态的审核和 Metal 兼容性可能带来额外工程挑战。

2. 模型文件管理缺失。 App 依赖用户手动准备 .gguf 或 .safetensors 模型文件，没有内置模型下载市场。用户需要自行从 Hugging Face 或 Civitai 下载模型，对新用户存在一定认知门槛。

3. 隐私与安全的两面性。 离线运行虽然保证了隐私，但也意味着模型文件的合法性完全依赖用户自觉——这在使用盗版模型时可能存在法律风险。

4. 模型规模受限。 FLUX、SD3 等大型模型对手机 GPU 压力很大，实测效果可能远不如桌面端。这不是项目的问题，而是硬件物理限制。

---

行业意义：Kotlin Multiplatform 在 AI 端侧推理领域的探索

Mine StableDiffusion 的出现，代表了 Kotlin Multiplatform 在端侧 AI 推理领域的一次有意义的探索。

从生态角度看，KMP 的"一处代码、多平台"特性在 AI 工具类 App 中极少被采用——大多数开发者选择 WebApp（体验差）或纯原生多套代码（维护成本高）。Mine StableDiffusion 证明了 KMP + C++ JNI 这条路径在性能敏感的 AI 推理场景中是可行的。

从行业趋势看，端侧 AI 推理正在从"极客玩具"走向"大众工具"。随着手机 NPU 能力的提升和量化技术的成熟，未来在移动设备上流畅运行 SDXL 甚至 FLUX 级别模型并非不可能。Mine StableDiffusion 正是这一趋势的早期实践者。

项目自 2025 年 11 月上线以来保持活跃更新，截至 2026 年 7 月已有 118 颗 GitHub Stars，对于一个专注于如此垂直领域的项目而言，增长速度值得肯定。

---

技术细节速览

维度	详情
编程语言	Kotlin（UI + 业务逻辑）+ C++（推理引擎）
UI 框架	JetBrains Compose Multiplatform
AI 推理引擎	stable-diffusion.cpp（基于 llama.cpp）
依赖注入	Koin
支持平台	Android（稳定）、iOS（Beta）、Windows/macOS/Linux（桌面）
硬件加速	Android/Linux: Vulkan 1.2+；Apple: Metal
模型格式	.gguf（量化）、.safetensors（原生）
License	GPL-3.0
支持的 SD 架构	SD 1.x/2.x、SDXL、SD3/3.5、FLUX.1、Z-Image、Chroma、Ovis-Image 等
特色功能	LoRA 叠加、批量生成、实时采样器切换、参数元数据嵌入