軟體王 Softking

Uncensored Local Studio 解決的核心痛點是：想在完全離線、隱私優先、無審查的環境下，以單一介面同時使用影像生成、LLM 對話、語音轉文字、文字轉語音，且不想處理複雜的 Python 環境、CMake 編譯、驅動程式版本地獄。傳統方案需分別安裝 Automatic1111/ComfyUI、LM Studio/Ollama、Whisper、TTS 等多套工具，各自配置環境、模型路徑、硬體加速參數，門檻極高。本專案採 「開箱即用」哲學：將 Node.js 22、stable-diffusion.cpp（多後端）、llama.cpp、whisper.cpp、kokoro-js 全部預編譯打包，啟動腳本自動偵測硬體（NVIDIA CUDA、AMD ROCm/Vulkan、Intel Vulkan/OpenVINO NPU、Apple Silicon Metal）並載入對應後端，使用者僅需 雙點啟動、丟入模型權重、開啟瀏覽器即用。

架構亮點：

1. 工作區互斥機制：為避免記憶體/顯存耗盡，影像生成工作區（stable-diffusion.cpp 後端）與文字對話工作區（llama.cpp 伺服器）預設互斥，UI 內可一鍵切換，同一時間只佔用一組模型記憶體。
2. 硬體加速自動偵測與多後端支援：
   • Windows：NVIDIA CUDA (原生 sd-cuda.exe)、AMD/Intel Vulkan (sd-vulkan.exe)、CPU 回退
   • Linux：NVIDIA CUDA/Vulkan（預編譯或自動從源碼編譯）、AMD ROCm（--max-perf 選項下載 ~1.3 GB）、Intel Vulkan、Intel Core Ultra NPU OpenVINO（--setup-openvino 需 kernel 6.6+、Intel NPU 驅動）、CPU 回退
   • macOS：僅支援 Apple Silicon (M1+)，Metal GPU 加速（sd 後端），Intel Mac 完全不支援
3. 模型管理器整合：UI 內 Model Manager 分頁可直接貼上 Hugging Face 模型頁面 URL 下載，或拖曳本地 .safetensors/.gguf/.ckpt/.bin/.json 權重檔匯入，自動歸類至 app/models/（影像）、app/llm-models/（LLM）、app/speech-models/（Whisper）、app/tts-models//app/tts-runtime/（Kokoro）。
4. 已驗證模型清單：README 列出經測試可用的模型與檔名、類型、大小、建議用途：
   • SDXL：Juggernaut XL v9 Lightning (6.6 GB)、DreamShaper XL Lightning (6.6 GB)
   • SD 1.5：DreamShaper 8 (2.1 GB)、CyberRealistic V8 (2.0 GB)、Rev Animated (2.0 GB)
   • OpenVINO (Intel NPU)：LCM DreamShaper OpenVINO (2.7 GB)
   • LLM：任何單檔 .gguf 聊天/指令模型（含需 mmproj 的視覺模型）
   • Whisper：whisper.cpp 格式 .bin 模型
   • Kokoro：內建 Kokoro-82M ONNX 模型與資訊清單
5. 即時效能監控：Web UI 內建儀表板顯示 CPU、RAM、GPU、VRAM 即時使用率，推理過程中可觀察資源壓力。
6. 本地輸出圖庫：生成影像自動儲存於 app/outputs/，同名 JSON 記錄完整提示詞、負面提示詞、步數、CFG、種子、模型檔名、解析度 等參數，利於複現與整理。
7. 語音管線整合：
   • STT：麥克風輸入 → whisper-cli 本地程序 → 文字 → 自動填入對話/提示詞
   • TTS：LLM 回覆/任意文字 → kokoro-js 本地合成 → 自然語音播放（支援多語音包）
8. 重置/修復機制：scripts/reset/reset.ps1 (Win) / reset.sh (Linux/mac) 一鍵清除暫存編譯/套件快取，保留模型權重與輸出圖片，修復環境損壞。
9. 連接埠衝突自動處理：Web UI 固定 1420，GPU 後端優先 8080，佔用時自動尋找空閒埠。

專案結構：

Uncensored-Local-Studio/
├── windows.bat / linux.sh / mac.sh          平台啟動器
├── scripts/
│   ├── setup/                               平台安裝/後端部署腳本
│   ├── reset/                               環境重置修復
│   ├── server/                              Web 伺服器與後端生命週期管理
│   ├── workers/                             本地 Worker 進程 (STT/TTS/代理)
│   ├── build/                               源碼建置輔助
│   └── config/                              執行時期配置目錄
└── app/
    ├── frontend/                            Vite + React 前端源碼
    ├── models/                              影像模型權重 (.safetensors/.gguf/.ckpt)
    ├── llm-models/                          LLM 權重 (.gguf)
    ├── speech-models/                       Whisper 模型 (.bin)
    ├── tts-models/ / tts-runtime/           Kokoro TTS 資產
    └── outputs/                             生成影像與參數 JSON

功能特性

• 100% 離線與隱私：無網路連線需求、無遙測、無雲端日誌、無 API Key、無審查、無需登入。
• 零安裝、可攜式：整個執行環境自包含於資料夾，雙點啟動，拷貝資料夾即遷移環境。
• 四大 AI 能力整合：Stable Diffusion 影像生成、GGUF LLM 對話、Whisper STT、Kokoro TTS，單一 Web UI (localhost:1420) 完成功能切換。
• 硬體加速全覆蓋：Windows (CUDA/Vulkan/CPU)、Linux (CUDA/ROCm/Vulkan/OpenVINO NPU/CPU)、macOS (Metal/CPU，僅 Apple Silicon)。
• 模型管理器：Hugging Face 直連下載、本地拖曳匯入、自動歸類、版本管理。
• 工作區互斥設計：影像與文字工作區互斥載入，防止 OOM，單鍵切換。
• 即時效能監控：CPU/RAM/GPU/VRAM 即時圖表，推理負載可視化。
• 輸出圖庫含中繼資料：影像與 JSON 參數檔並存，完整記錄生成設定。
• 語音雙向管線：麥克風語音轉文字 → 提示詞/對話；LLM 回覆/文字 → 自然語音合成播放。
• 詳細疑難排解內建：glibc 版本檢查、Vulkan 裝置選擇、ROCm 回退、Windows VC++/DLL 缺失自動修復、連接埠衝突自動避讓。
• MIT 開源授權：免費、可商用、可 Fork、可二次分發。

使用場景

• 完全離線創作：無網路環境（飛機、保密實驗室、野外作業）下進行影像生成、文本創作、語音轉錄與配音。
• 隱私敏感專案：程式碼、文檔、語音、生成圖片絕不上傳雲端，滿足企業/機構資料不出廠需求。
• 多模態 AI 體驗：單一介面串聯「文字→圖片→語音→文字」完整循環，適合原型驗證、教學示範、創意發想。
• 硬體加速效能測試：快速在 CUDA/ROCm/Vulkan/Metal/OpenVINO NPU 間對比同模型推理速度與顯存佔用。
• 模型收藏家/測試者：Model Manager 批量下載/管理數十個 .safetensors/.gguf，快速切換對比風格與品質。
• 低資源裝置部署：Intel Core Ultra NPU (OpenVINO)、Apple Silicon (Metal)、整顯/無獨顯 (CPU 回退) 均可跑通基礎流程。

系統基本需求

• Windows：64-bit Windows 10/11（需支援便攜式 Node.js 22），NVIDIA 驅動最新（CUDA）、AMD/Intel 驅動支援 Vulkan 1.3+。
• Linux：glibc 2.38+（Ubuntu 24.04、Fedora 40+ 等現代發行版），libgomp.so.1、libvulkan.so.1、作用中 GPU 驅動。ROCm 需核心/驅動相容 ROCm 7.13。OpenVINO NPU 需 kernel 6.6+、Intel Linux NPU 驅動、Python 3 venv、/dev/accel/accel0 存在。
• macOS：Apple Silicon (M1/M2/M3/M4 系列) + macOS 13+，Intel Mac 完全不支援。Metal 後端自動使用。
• 通用：現代瀏覽器 (Chrome/Edge/Firefox/Safari) 存取 http://localhost:1420。磁碟空間：基本運行 ~2–3 GB；模型權重另計（SDXL ~6.6 GB、SD 1.5 ~2 GB、LLM 1–10 GB、Whisper ~0.1–1.5 GB、Kokoro ~0.3 GB）。
• 記憶體/顯存：SD 1.5 建議 8 GB+ 系統 RAM / 4 GB+ VRAM；SDXL 建議 16 GB+ RAM / 8 GB+ VRAM；LLM 視模型大小而定（gemma3:1b ~1 GB RAM）；CPU 模式極慢，僅供驗證。

免費或付費與試用資訊

Uncensored Local Studio 本體為 100% 免費開源軟體，採 MIT License 授權，無任何付費版本、訂閱制、功能鎖定、廣告、遙測或強制帳號。
模型權重授權由各模型創作者決定（如 SDXL 基礎模型通常為 CreativeML OpenRAIL、部分微調模型另有限制），使用者須自行確認模型授權是否符合用途。專案內建的 Model Manager 僅提供下載便利，不保證模型授權合規性。

英文語言介面

目前 介面與文件僅支援英文。Web UI、啟動腳本提示、README、錯誤訊息、模型說明皆為英文，專案未包含多語言資源檔。考慮專案定位（開發者/進階使用者工具、英文社群主導），短期內新增中文可能性較低。

總結

Uncensored Local Studio 是「把四大本地 AI 核心能力（影像、LLM、STT、TTS）封裝成零配置、可攜式、硬體感知自動加速的單一桌面應用」的傑出整合作品。它最大的價值在於 消除了「環境地獄」：無需 Conda、PyTorch、CUDA Toolkit、CMake、驅動版本對齊，雙點 windows.bat/linux.sh/mac.sh 即得 自動偵測硬體 → 下載對應後端 → 啟動 Web UI → 拖入模型 → 開始創作 的完整體驗。工作區互斥機制精準解決消費級顯卡「跑 LLM 就沒顯存跑 SD」的痛點；Model Manager、效能監控、輸出圖庫含參數、語音雙向管線等細節極度貼近實際工作流；疑難排解文件直指 glibc、Vulkan 裝置順序、ROCm 相容、Windows VC++ DLL 缺失、連接埠衝突等真實部署坑點，展現作者深厚的工程實戰經驗。

優點：真正零安裝、跨平台（含 Intel NPU/OpenVINO 這類小眾加速）、四合一整合、隱私優先、模型管理便利、效能監控內建、MIT 開源、社群活躍。
限制：僅英文介面、macOS 僅 Apple Silicon（Intel Mac 棄用）、Linux 需 glibc 2.38+（舊發行版需自行編譯）、SDXL/大模型需大顯存、不支援 LoRA/ControlNet/Flux/Hunyuan 等進階工作流、模型格式限單檔 checkpoint/GGUF、無雲端同步/多人協作。

若你是 需要在離線/隱私/受限環境下、以單一介面跑通「生圖、聊天、語音轉文字、文字轉語音」完整鏈路的開發者、研究者、創作者，Uncensored Local Studio 目前是 GitHub 上最完整、最開箱即用、最貼心處理硬體差異的免費開源方案。強烈建議依平台下載、雙點啟動、從 Model Manager 抓一個 DreamShaper 8 (2.1 GB) 或 Juggernaut XL (6.6 GB) 實測 5 分鐘，即可體驗「離線 AI 工作室」的極致便利。