可用模型

内置模型

以下模型可以直接在应用内下载。

模型	类型	CPU/GPU	NPU	Clip Skip	来源
SDXL Base 1.0	SDXL	❌	✅	-	HuggingFace
Illustrious v16	SDXL	❌	✅	-	CivitAI
AnythingV5	SD1.5	✅	✅	2	CivitAI
ChilloutMix	SD1.5	✅	✅	1	CivitAI
Absolute Reality	SD1.5	✅	✅	2	CivitAI
QteaMix	SD1.5	✅	✅	2	CivitAI
CuteYukiMix	SD1.5	✅	✅	2	CivitAI

TIP

请参考每个模型的原始页面获取推荐的提示词、采样器和 CFG 值。

SDXL 仅支持 NPU

SDXL checkpoint 体积过大，在手机上以 CPU/GPU 模式运行不现实，因此 Local Dream 只在 NPU 路径下支持 SDXL。SD1.5 三种路径（CPU / GPU / NPU）都支持。

不同模型可能偏好明显不同的设置。尽量从模型官方发布页面的示例参数开始。

社区预转换模型

社区维护的 NPU 模型集合（SD1.5 和 SDXL）：

• xororz/sd-qnn
• xororz/sdxl-qnn
• Mr-J-369
• YuuiKurata

文件名后缀表示运行该模型所需的 最低芯片级别。高级别芯片可以运行低级别的模型；选择你设备支持的最高后缀以获得最佳性能。

SD1.5：

• _min — 具有 Hexagon V68 及以上的骁龙 NPU（非旗舰芯片）
• _8gen1 — 骁龙 8 Gen 1 / 8+ Gen 1
• _8gen2 — 骁龙 8 Gen 2 及以上（2 / 3 / 8 Elite / 8s Gen 4 / 8 Elite Gen 5）

SDXL：

• _8gen3 — 骁龙 8 Gen 3 及以上（3 / 8 Elite / 8 Elite Gen 5，这是唯一的 SDXL 后缀）

部分社区模型文件名还会包含 _dmd2 —— 这类模型融合了 DMD2 LoRA，需要使用专门的参数（LCM / CFG 1 / 8 步）。它们大约快 4 倍、发热显著更低，画质有少量损失。详见 DMD2 模型。

关于分辨率补丁（仅 SD1.5 NPU）

SD1.5 NPU 的 zip 包内附带一个基础 512×512 UNet，外加可选的分辨率补丁用于额外分辨率（如 768×512、1024×768）。补丁是 zip 包内同名 .patch 小文件（通常几 MB 到 ~10 MB，使用 zstd --patch-from 基于基础 UNet 生成）—— 不是单独下载的内容。

• 是否包含额外分辨率取决于模型打包者：有的只打包 512×512，有的打包完整集合。
• 在模型运行界面切换分辨率时，应用会实时应用补丁。切换会重新加载 UNet（1–2 秒），CLIP 和 VAE 保持不变。
• 非旗舰芯片（_min 级别）不支持分辨率补丁。

标识文件

部分 .zip 包根目录下包含一些标识文件，用来告诉应用如何处理该模型。这些文件没有内容 —— 仅靠"文件是否存在"来标识：

• SDXL —— 表示该包是 SDXL 模型。没有这个文件时，应用会按 SD1.5 加载。
• V_PRED —— 表示该 UNet 使用 v-prediction 而非标准的 ε-prediction。应用会自动检测并切换对应的采样器算法。

内置模型与社区预转换的包都已包含正确的标识文件 —— 只有当你自己打包模型时才需要考虑。

自定义模型

CPU/GPU 模式（应用内）

直接在应用中导入 SD1.5 模型文件，转换在设备上完成。如果需要使用 LoRA，请在导入前将其合并到原始模型中。

v_prediction 模型 会被自动检测：如果模型使用 v-prediction 而非标准 ε-prediction，模型目录中必须存在 V_PRED 标记文件。内置模型和正确打包的转换会自动处理此问题。

NPU 模式（主机端转换）

NPU 模型必须在 Linux/WSL 主机上转换后才能加载。详见：

• SD1.5 转换指南
• SDXL 转换指南（实验性）

技术细节

NPU

• SDK：Qualcomm QNN SDK，运行在 Hexagon NPU 上
• 量化：W8A16 静态量化
• 分辨率：SD1.5 基础 512×512；额外分辨率（512×768、768×512、768×1024、1024×768）通过补丁提供，需 8 Gen 1 及以上。SDXL 内部固定在 1024×1024，但支持任意宽高比（长边 = 1024，短边按比例计算）—— 详见 SDXL 宽高比。
• 性能：推理速度极快

CPU/GPU

• 框架：MNN
• 量化：W8 动态量化
• 分辨率：128×128、256×256、384×384、512×512
• 性能：速度适中，兼容性强