Uno studio AI locale premium, senza configurazione, e una GUI offline per Stable Diffusion (generazione immagini), LLM (chat), Whisper (speech-to-text) e Kokoro (text-to-speech). Alimentato da esecuzione accelerata via GPU e NPU su Windows, Linux e macOS.

• Che cos’è Uncensored AI Studio?
• Funzionalità principali
• Architettura workspace ed engine
• Modelli supportati
• Architettura delle cartelle
• Guida introduttiva
  • Configurazione Windows
  • Configurazione Linux
  • Configurazione macOS
• Compatibilità hardware e accelerazione
• Risoluzione problemi e FAQ
• Compilazione da sorgente
• Licenza

Uncensored AI Studio è uno studio AI completamente offline, senza configurazione e autonomo per Windows, Linux e macOS. A differenza dei sistemi AI basati su cloud, funziona interamente sul tuo hardware, senza censura, tracciamento, abbonamenti o requisiti di login.

Unifica quattro grandi funzionalità AI locali in un’unica interfaccia desktop ad alte prestazioni:

1. 🎨 Generazione immagini (Stable Diffusion): genera e modifica immagini di alta qualità offline usando pesi modello .safetensors, .gguf o .ckpt.
2. 💬 Chat testuale (LLM): conversa in privato con modelli linguistici open-source (formato GGUF) alimentati dai backend ufficiali e ad alte prestazioni llama.cpp.
3. 🎙️ Speech-to-Text (Whisper): trascrive registrazioni vocali e parlato in testo in tempo reale con un motore whisper.cpp integrato.
4. 🗣️ Text-to-Speech (Kokoro TTS): converte output testuali in audio vocale altamente naturale e realistico offline usando il modello ONNX Kokoro-82M.

• 100% offline e privato: esegue le inferenze localmente. Non richiede internet, telemetria, logging cloud o chiavi API.
• Portabilità senza installazione: l’intero runtime (Node.js, modelli, backend GPU) è autonomo. Nessuna modifica globale all’ambiente di sistema.
• Accelerazione autoconfigurata: rileva automaticamente le specifiche hardware per caricare backend CUDA (Nvidia), ROCm (AMD), Vulkan (Intel/AMD/NVIDIA), Metal (macOS) o OpenVINO (Intel NPU).
• Gestore modelli integrato: incolla URL Hugging Face per scaricare direttamente i pesi, oppure trascina e rilascia pesi locali per importarli.
• Monitor prestazioni live: monitora l’utilizzo di CPU, RAM, GPU e VRAM in tempo reale direttamente nella web UI.
• Galleria output locale: salva le immagini generate affiancate ai parametri del prompt e ai file JSON dei metadati.

Per evitare di esaurire la RAM o la VRAM di sistema, i motori testuali e quelli per immagini sono mutuamente esclusivi per impostazione predefinita. Puoi passare da un workspace all’altro dentro la UI:

• Workspace generazione immagini: usa un nodo backend dedicato stable-diffusion.cpp. I pesi dei modelli sono archiviati in app/models/.
• Workspace chat testuale: usa un backend server portatile llama.cpp. I pesi dei modelli (.gguf) sono archiviati in app/llm-models/. Un piccolo modello iniziale Qwen2.5 Coder può essere scaricato direttamente dal pannello Text Chat.
• Worker vocale (Whisper): esegue un processo localizzato whisper-cli per convertire il tuo input vocale in testo.
• Output audio (Kokoro TTS): utilizza kokoro-js localmente lato server per leggere le risposte con voci naturali.

L’app è progettata intorno a modelli locali a file singolo che possono essere caricati direttamente dai motori backend inclusi.

Modelli immagine noti e funzionanti disponibili dal Model Manager:

Uncensored-AI-Studio/
├── windows.bat                # Launcher Windows (punto di ingresso con doppio clic)
├── linux.sh                   # Launcher Linux (punto di ingresso da terminale)
├── mac.sh                     # Launcher macOS (punto di ingresso da terminale)
├── LICENSE                    # Licenza open source MIT
├── .gitignore                 # Esclude modelli e immagini di output dal controllo versione
├── README.md                  # Documentazione dettagliata del sistema
├── scripts/
│   ├── setup/                 # Configurazione piattaforma e installer backend
│   ├── reset/                 # Installazione pulita e riparazione ambiente
│   ├── server/                # Web server UI e gestore ciclo di vita backend
│   ├── workers/               # Processi worker locali
│   ├── build/                 # Helper opzionali per build da sorgente
│   └── config/                # Cataloghi configurazione runtime
└── app/
    ├── frontend/              # Codice sorgente UI (Vite + React)
    ├── models/                # Inserisci qui i pesi immagine (.safetensors, .gguf, .ckpt)
    ├── llm-models/            # Inserisci qui i pesi testuali GGUF
    └── outputs/               # Immagini salvate e metadati parametri

Assicurati di avere installato un browser web moderno. Segui la guida rapida qui sotto per la tua piattaforma:

1. Avvio: fai doppio clic su windows.bat.

   [!NOTE] Al primo avvio, lo script scaricherà automaticamente un runtime Node.js portatile e configurerà binari backend GPU/CPU precompilati.

2. Aggiungi modelli: trascina file .safetensors, .gguf o .ckpt dentro app/models/ oppure scaricali tramite la scheda Model Manager nella UI.
3. Genera: apri http://localhost:1420 nel browser, seleziona il modello e scrivi un prompt.

1. Rendi eseguibile: apri un terminale nella cartella del progetto e rendi eseguibile lo script:

   chmod +x linux.sh

2. Avvio: esegui ./linux.sh.
   • Utenti GPU NVIDIA: ti verrà chiesto di configurare il backend CUDA ad alte prestazioni (scarica precompilato o compila automaticamente da sorgente come fallback).
   • Prestazioni AMD Radeon: esegui con ./linux.sh --max-perf per aggiungere il backend ROCm (~1,3 GB di download).
   • Intel Core Ultra NPU: esegui con ./linux.sh --setup-openvino per configurare il supporto Intel NPU (richiede driver Intel Linux NPU).
3. Aggiungi modelli: trascina i pesi dentro app/models/ oppure scaricali tramite la scheda Model Manager.
4. Genera: apri http://localhost:1420 nel browser.

1. Rendi eseguibile: apri un terminale nella cartella del progetto e rendi eseguibile lo script:

   chmod +x mac.sh

2. Avvio: esegui ./mac.sh.

   [!IMPORTANT] Il backend macOS precompilato è ottimizzato per Apple Silicon (M1 o più recente) e usa accelerazione GPU Metal. (L’hardware macOS Intel non è supportato in alcun modo).

3. Aggiungi modelli: trascina i pesi dentro app/models/ oppure scaricali tramite la scheda Model Manager.
4. Genera: apri http://localhost:1420 nel browser.

Lo script di configurazione (scripts/setup/setup.sh) ora automatizza la compilazione e la configurazione del backend CUDA da sorgente quando selezionato. Se vuoi compilare manualmente tutti i backend (CPU, Vulkan e CUDA) in una volta sola, puoi eseguire lo script incluso scripts/build/build_from_source.sh.

Per macOS, lo script incluso scripts/build/build_from_source.sh compila il backend Metal e lo copia in app/backend/mac/sd.

• git, cmake, make (o ninja) e un compilatore C++17 (g++ / clang++).
• Per CUDA: il toolkit NVIDIA CUDA (nvcc) deve essere nel tuo PATH.
• Per Vulkan: Vulkan SDK / loader e un driver compatibile.
• Per ROCm: librerie di sviluppo AMD ROCm.
• Per macOS Metal: Apple Command Line Tools o Xcode.

# 1. Clona upstream
git clone https://github.com/leejet/stable-diffusion.cpp.git
cd stable-diffusion.cpp
mkdir build && cd build

# 2. Configura per il tuo backend (scegline UNO)
# Solo CPU
cmake .. -DSD_BUILD_SHARED_LIBS=ON -DCMAKE_BUILD_TYPE=Release

# CUDA
cmake .. -DSD_CUDA=ON -DSD_BUILD_SHARED_LIBS=ON -DCMAKE_BUILD_TYPE=Release

# Vulkan
cmake .. -DSD_VULKAN=ON -DSD_BUILD_SHARED_LIBS=ON -DCMAKE_BUILD_TYPE=Release

# ROCm
cmake .. -DSD_HIPBLAS=ON -DSD_BUILD_SHARED_LIBS=ON -DCMAKE_BUILD_TYPE=Release

# macOS Metal
cmake .. -DSD_METAL=ON -DSD_BUILD_SHARED_LIBS=ON -DCMAKE_BUILD_TYPE=Release

# 3. Compila
cmake --build . --config Release -j$(getconf _NPROCESSORS_ONLN 2>/dev/null || sysctl -n hw.ncpu)

# 4. Copia i binari in questo progetto
cp bin/sd* /path/to/Uncensored-AI-Studio/app/backend/linux/<backend>/

Dopo la copia, rinomina il binario server per farlo corrispondere a ciò che scripts/server/serve.cjs si aspetta:

• Vulkan: sd → sd-vulkan
• ROCm: sd → sd-rocm

Poi riavvia l’app con ./linux.sh (Linux) o ./mac.sh (macOS).

Questo progetto è distribuito con licenza MIT - consulta il file LICENSE. Include stable-diffusion.cpp (licenza MIT). I pesi dei modelli sono soggetti alle licenze dei rispettivi creatori.