FLUX.1-schnell-amdnpu 快速开始：10 分钟上手 sd-sandbox 画出第一张 AI 图片
FLUX.1-schnell-amdnpu 快速开始：10 分钟上手 sd-sandbox 画出第一张 AI 图片
FLUX.1-schnell-amdnpu 是 AMD 官方针对 Ryzen AI 处理器 NPU 优化加速的 FLUX.1 [schnell] 文生图模型仓库。借助它搭配 sd-sandbox 工具，你可以在自己的 AI PC 上本地运行 AI 绘图，输入一句提示词就能快速生成高质量图片，全程无需依赖云端服务。
什么是 FLUX.1-schnell-amdnpu？
简单理解：FLUX.1 [schnell] 是 Black Forest Labs 推出的蒸馏加速版文生图模型，只需 1~4 步推理即可出图，速度极快。而本仓库做的事，就是把整套扩散流程改写成 ONNX 格式，并把最耗算力的 Transformer 与 VAE 解码器专门优化到 AMD NPU 上运行。
它带来的好处很直观：
- 🚀 生成更快：NPU 硬件加速去噪步骤，出图速度大幅提升
- 🔋 功耗更低：AI 绘图交给 NPU，CPU 和 GPU 可以保持空闲
- 💾 本地运行：模型文件都在本地，隐私与安全更有保障
💡 FLUX.1 schnell] 属于 Apache 2.0 许可的开放权重模型，可自由用于学习与商业场景，详见 [LICENSE。
模型目录结构一览：每个文件夹是干什么的
整个仓库的结构与扩散管线的一一对应关系如下，理解了它，你就理解了 AI 绘图的全流程：
| 目录 | 作用 | 关键文件 |
|---|---|---|
scheduler/ |
采样调度器，控制去噪的步数与节奏 | scheduler_config.json |
tokenizer/、tokenizer_2/ |
把提示词切分成模型能读的 token | vocab.json、tokenizer.json |
text_encoder/ |
CLIP 文本编码器，把提示词转为语义向量 | model.onnx |
text_encoder_3_gptq_v2/ |
量化版 T5 大文本编码器，负责更深层的提示词理解 | GPTQ 量化权重 |
transformer/ |
核心去噪模型，已为 NPU 重新导出优化 | replaced.onnx |
vae_decoder/ |
把去噪后的潜空间张量还原成真正的图片 | replaced.onnx |
一图流理解生成过程：提示词 → tokenizer 切词 → 文本编码器提取语义 → Transformer 在 NPU 上去噪 → VAE 解码输出图片。
其中 scheduler_config.json 采用 FlowMatchEulerDiscreteScheduler，这也是 FLUX.1 [schnell] 支持"极少步数出图"的关键配置。
快速上手前：确认环境与安装步骤
硬件与环境要求
- ✅ AMD Ryzen AI 300 / Ryzen AI PRO 300 系列 APU（内置 NPU 的设备）
- ✅ Windows 11 系统
- ✅ 稳定的网络（首次运行会自动下载模型文件）
- ✅ Python 环境（sd-sandbox 的运行基础）
安装 sd-sandbox 三步走
- 获取 sd-sandbox 源码：搜索 AMD 官方开源的
sd-sandbox（Stable Diffusion 沙盒工具），按 README 指引克隆到本地 - 安装依赖：在项目目录下按说明执行安装命令，配置好 Python 环境
- 验证 NPU 可用：运行 sd-sandbox 自带的检测脚本，确认 Ryzen AI NPU 被正确识别
⚠️ 如果你的设备没有 NPU，也可以先跑 GPU 版本熟悉流程，模型结构是相通的，只是速度会慢一些。
三步生成第一张 AI 图片
环境就绪后，生成图片其实非常简单：
- 选择模型：在 sd-sandbox 中把模型指定为
FLUX.1-schnell-amdnpu，工具会自动定位上述各目录中的 ONNX 文件 - 输入提示词：用一句自然的中文或英文描述画面，例如：
一只戴着宇航员头盔的橘猫，漂浮在星空背景中，电影感光影，超细节 - 点击生成：观察 NPU 占用与出图过程，第一张图通常几十秒内即可得到
FLUX.1 [schnell] 的最大魅力在于步数可以设得很低——4 步左右就能获得不错的效果，非常适合日常快速试错。
常见使用问题与解决方案
| 问题现象 | 可能原因 | 解决办法 |
|---|---|---|
| 提示 NPU 设备未找到 | 驱动或运行时版本过旧 | 更新 AMD 芯片组驱动与 NPU 运行时 |
| 生成速度慢于预期 | 步数设置过高 | 将推理步数调到 1~4 之间 |
| 首次运行卡在下载 | 网络访问模型仓库受限 | 手动下载模型文件后放入对应目录 |
| 输出图片模糊或偏色 | 分辨率与模型不匹配 | 使用 1024×1024 等接近训练分辨率的尺寸 |
更多配置细节可以查看 README.md 与 transformer/config.json 中的模型参数。
许可与使用注意
- 模型许可：Apache 2.0，可自由分发与商用
- 原始模型来自 Black Forest Labs 的 FLUX.1 [schnell]，其使用规范与安全建议请以原模型说明为准
- 生成的图片版权归属、内容合规问题，请遵循当地法律法规与社区准则
写在最后
FLUX.1-schnell-amdnpu + sd-sandbox 这套组合，让"在自己电脑上跑 AI 绘图"从折腾配置变成了一件 10 分钟内就能完成的事。NPU 加速的意义不仅在于更快，更在于让 AI 能力真正下沉到日常 AI PC 之中——现在，去生成你的第一张图吧！🎨