1. 为什么我劝你先搞清楚这套工具到底在干什么1.1 从“输入一句话得到一张图”说起很多人第一次接触 Stable Diffusion脑子里想的都是“我输入一句话它就能给我画一张图”。这个理解不能说错但太浅了。它真正在做的事情是把你脑子里的画面通过一套数学过程一步步“去噪”还原出来。你可以把它想象成一块被雪花屏覆盖的电视你告诉它“我要看一只猫”它就根据这句话把雪花一点点擦掉最后露出一只猫的样子。这个过程叫扩散。训练的时候它先学会怎么把一张清晰的图一步步加噪变成雪花屏用的时候它反过来从雪花屏开始一步步去噪还原出清晰的图。你输入的那句话就是“去噪”的方向盘告诉它该往哪个方向还原。所以Stable Diffusion 不是一个“画图软件”它是一个文生图模型。它本身没有界面没有按钮你没法双击一个图标就开始画。你需要给它搭一个“操作台”这个操作台就是各种 WebUI 或者 ComfyUI 这类前端界面。很多人卡在第一步就是因为把“模型”和“界面”混为一谈了。1.2 谁适合看这篇内容如果你属于下面这几类人这篇内容就是写给你的完全没接触过 AI 绘画但想自己动手跑一张图出来看看效果。之前尝试过但被 Python 环境、依赖冲突、模型路径这些事劝退了。已经装好了但不知道模型该放哪、参数怎么调、为什么别人画得比我好。想用整合包省事但不知道整合包里到底装了什么出了问题不知道怎么排查。我尽量不堆术语能用生活类比的地方就用类比。但该讲清楚的地方比如模型放哪个文件夹、启动参数怎么写我会给到可以直接抄的步骤。1.3 先分清三个东西模型、界面、整合包这三个词经常被混着用但它们是三样东西模型就是那个“会画图的大脑”文件通常是.safetensors或.ckpt格式体积从 2GB 到 7GB 不等。它决定了画风、画质、擅长的题材。界面让你能输入文字、点按钮、看结果的操作台。主流的有Stable Diffusion WebUI俗称“秋叶版”就是它的整合包和ComfyUI节点式操作更灵活但上手更陡。整合包有人把 Python 环境、依赖库、界面代码、甚至常用模型打包在一起你解压就能用。秋叶整合包就是国内最流行的 WebUI 整合包之一。搞清这三者的关系后面所有操作你都能对上号。模型是子弹界面是枪整合包是帮你把枪组装好、还附赠几发子弹的套装。2. 部署之前先把这几个硬性条件确认一遍2.1 你的电脑能不能跑看这两个指标Stable Diffusion 对硬件的要求核心就两点显存和硬盘。显存决定了你能跑多大的图、用多复杂的模型。4GB 显存能跑 512x512 的基础图但稍微大一点就爆显存。6GB 是入门舒适线8GB 以上可以比较自由地玩。如果你用的是纯 CPU 跑速度会慢到让你怀疑人生一张图几分钟甚至十几分钟只适合尝鲜不适合日常用。硬盘方面一个基础模型 2-7GB你不可能只下一个。热门模型动辄十几个加上整合包本身、生成的图片、缓存的临时文件建议至少预留 100GB 空间而且最好是固态硬盘。机械硬盘加载模型的速度会让你等到睡着。硬件项最低能跑推荐舒适说明显存4GB8GB 及以上决定出图分辨率和模型复杂度内存8GB16GB 及以上影响加载速度和多任务稳定性硬盘50GB 空闲100GB 以上固态模型和输出图很占空间显卡支持 CUDA 的 N 卡RTX 3060 及以上A 卡和核显支持较差不推荐新手注意这里说的显存是显卡的专用显存不是内存。很多人把内存和显存搞混结果买回来发现跑不动。2.2 系统选择Windows 最省心Linux 更灵活如果你是新手直接用 Windows。秋叶整合包就是为 Windows 做的解压双击就能启动不需要你懂命令行。Linux 虽然更灵活、更适合长期挂机但环境配置对新手不友好遇到依赖问题容易卡住。Mac 用户要注意M 系列芯片可以跑但生态和教程远不如 N 卡丰富很多整合包和优化插件不兼容。如果你只是偶尔玩玩Mac 也能用如果想深入折腾建议还是找一台带 N 卡的 Windows 机器。2.3 网络和下载模型文件很大做好心理准备一个模型几个 GB下载速度取决于你的网络。国内直连一些模型站可能会很慢这是现实问题。我的建议是优先用整合包自带的模型先跑通流程确认能出图之后再去下载你真正想要的模型。不要一上来就下十几个模型结果一个都没跑起来。下载模型的时候认准.safetensors格式。.ckpt格式虽然也能用但历史上出过安全问题可能包含恶意代码.safetensors更安全加载也更快。3. 用整合包部署最省事的路径3.1 整合包到底帮你做了什么很多人对整合包有误解觉得“用整合包显得不专业”。其实完全不是。整合包帮你做的是这些事内置了一个独立的 Python 运行环境不会污染你系统里的 Python。预装好了 PyTorch、xformers、各种依赖库版本都对齐好了。配置好了启动脚本你双击.bat文件就能启动。附带了几个基础模型让你不用额外下载就能先跑起来。你自己从零配环境大概率会在 PyTorch 版本、CUDA 版本、xformers 兼容性这几个坑里来回折腾几个小时。整合包把这些坑都填了你直接站在平地上开始跑。3.2 下载和解压的正确姿势拿到整合包之后不要解压到中文路径下也不要有空格。比如D:\AI\sd-webui是安全的D:\我的AI工具\stable diffusion就很容易出问题。很多启动报错根源就是路径里有中文或空格。解压的时候用 7-Zip 或者 Bandizip不要用 Windows 自带的解压。自带解压对长路径和大文件支持不好容易解压到一半报错。解压完成后你会看到类似这样的目录结构sd-webui/ ├── models/ │ ├── Stable-diffusion/ - 主模型放这里 │ ├── Lora/ - LoRA 模型放这里 │ ├── VAE/ - VAE 放这里 │ └── embeddings/ - 文本嵌入放这里 ├── extensions/ - 插件目录 ├── outputs/ - 生成的图片默认存这里 ├── webui-user.bat - 启动脚本 └── ...这个结构你先记住后面放模型全靠它。3.3 第一次启动双击之后发生了什么双击webui-user.bat之后会弹出一个黑色命令行窗口。这个窗口里会滚动一堆信息第一次启动会比较慢因为它要检查依赖、加载模型。看到类似下面这行就说明启动成功了Running on local URL: http://127.0.0.1:7860这时候打开浏览器输入http://127.0.0.1:7860就能看到操作界面了。注意这个黑色窗口不能关。关了它服务就停了网页也打不开了。最小化就行。如果窗口一闪而过或者报错说找不到 Python大概率是解压路径有问题或者杀毒软件误删了文件。先检查路径再把整合包目录加入杀毒软件白名单。3.4 启动参数怎么加加在哪整合包的启动参数写在webui-user.bat文件里。用记事本打开它找到set COMMANDLINE_ARGS这一行在后面加参数。几个常用的--xformers开启内存优化能省显存、加快速度N 卡强烈建议加。--medvram显存 6GB 左右加这个牺牲一点速度换稳定。--lowvram显存 4GB 加这个速度会慢但能跑起来。--autolaunch启动后自动打开浏览器。--theme dark用深色主题晚上画图不刺眼。比如你的显存是 6GB可以这样写set COMMANDLINE_ARGS--xformers --medvram --autolaunch改完保存重新双击启动脚本生效。不要同时加--medvram和--lowvram会冲突。4. 模型怎么放、怎么选、怎么用4.1 主模型决定画风的那颗大脑主模型放在models/Stable-diffusion/目录下。放进去之后在网页界面左上角的下拉框里点刷新就能看到新模型。主模型分几大类写实类擅长画真人、真实场景比如 ChilloutMix、Realistic Vision。二次元类擅长动漫风格比如 Anything、Counterfeit。通用类什么都能画一点但什么都不精比如 SD 1.5 基础模型。SDXL 类新一代大模型画质更好但对显存要求更高8GB 以下慎用。选模型的原则很简单你要画什么就选对应类型的模型。用二次元模型画真人出来的脸会很奇怪用写实模型画动漫会有一股“恐怖谷”的味道。4.2 LoRA给主模型加“风格补丁”LoRA 是一种小模型体积通常几十到几百 MB放在models/Lora/目录下。它的作用是给主模型叠加一种特定风格、特定人物、特定姿势。比如你想画一个特定画风但主模型画不出来就可以找一个对应的 LoRA在提示词里用lora:文件名:权重的格式调用。权重一般从 0.6 到 1.0 之间调太高会过拟合画面会崩。LoRA 的好处是不用换主模型就能换风格而且文件小、加载快。你可以同时叠加多个 LoRA但不要超过三个否则风格会互相打架。4.3 VAE修复颜色发灰的问题有时候你出的图颜色发灰、发白像蒙了一层雾这通常是 VAE 的问题。VAE 负责把模型输出的数据解码成最终图像如果 VAE 不对颜色就会失真。VAE 文件放在models/VAE/目录下然后在界面设置里选择对应的 VAE。常用的有vae-ft-mse-840000大部分模型配它都没问题。有些模型已经内置了 VAE就不用额外挂。提示如果你出的图颜色正常就不要乱换 VAE。换错了反而会出问题。4.4 模型下载渠道和避坑模型下载渠道很多但质量参差不齐。我的经验是优先去模型作者发布的原站下载版本最新、文件最全。下载前看清楚模型的基础版本是 SD 1.5 还是 SDXL别下错了。看模型页面的示例图和参数了解它擅长的风格和推荐参数。下载后核对文件大小明显偏小的可能是下载不完整。不要一次性下载几十个模型。先下两三个跑通了、玩熟了再按需增加。模型管理本身也是一门功夫下太多你会忘了哪个是哪个。5. 画图实操从第一张图到稳定出图5.1 界面核心区域快速认识打开网页界面你主要关注这几个区域左上角模型选择下拉框切换主模型。上方大文本框正向提示词描述你想要什么。下方大文本框反向提示词描述你不想要什么。中间参数区采样方法、步数、分辨率、CFG、随机种子。右侧按钮区生成、跳过、中断等操作按钮。下方输出区生成的图片显示在这里自动保存到outputs/目录。先不用管所有参数记住三个最核心的提示词、步数、分辨率。5.2 提示词怎么写才有效提示词不是越长越好而是越具体越好。一个有效的提示词结构大概是主体描述 细节修饰 风格指定 画质提升词举个例子1girl, solo, long hair, blue eyes, white dress, standing in garden, soft lighting, detailed background, masterpiece, best quality, highres反向提示词则用来排除常见问题lowres, bad anatomy, bad hands, extra fingers, blurry, watermark, text写提示词的几个心得用英文模型对英文的理解最准。用逗号分隔不同的概念不要写成完整句子。重要的词放前面模型对前面的词权重更高。可以用(word:1.2)的语法给某个词加权但不要滥用。5.3 参数怎么调步数、CFG、采样方法步数Steps去噪的迭代次数。太低比如 10画面不完整太高比如 100收益递减还费时间。20 到 30 步是甜点区大部分情况够用。CFG Scale提示词引导强度。太低比如 3模型不听你的话太高比如 15画面会过饱和、变僵硬。7 到 9 是常用范围二次元可以稍高写实可以稍低。采样方法Sampler去噪的具体算法。不同采样方法出图风格略有差异速度也不同。新手用DPM 2M Karras或Euler a就行这两个通用性好、速度快。参数常用范围作用调高会怎样调低会怎样步数20-30去噪迭代次数更精细但更慢更快但可能不完整CFG7-9提示词引导强度更贴合提示但僵硬更自由但可能跑偏分辨率512x512 起出图尺寸更清晰但吃显存更快但细节少5.4 分辨率不是越大越好SD 1.5 模型的原生训练分辨率是 512x512。你直接出 1024x1024画面会出现“双头”“多手”这类结构崩坏。正确做法是先用 512x512 出图确认构图和内容满意。再用“高清修复”Hires. fix功能放大放大倍数 1.5 到 2 倍。高清修复会重新去噪一遍所以步数可以设低一点比如 10 到 15。如果你用的是 SDXL 模型原生分辨率是 1024x1024可以直接出大图但显存占用也翻倍。5.5 随机种子复现和微调的关键种子Seed是生成图片的随机数起点。同一个种子、同一组参数、同一个模型出来的图基本一致。这有什么用你出了一张很满意的图想微调提示词再出几张就固定种子。你想看看不同种子下同一个提示词能出什么花样就设种子为 -1随机。界面上有个骰子图标点一下就把当前图的种子填进去。这个功能用好了能帮你快速迭代出理想效果。6. 常见问题排查我踩过的坑和解决办法6.1 启动就报错窗口一闪而过这是最常见的问题原因通常有三个路径有中文或空格。把整合包移到纯英文、无空格的路径下比如D:\sd-webui。杀毒软件误删文件。把整合包目录加入白名单重新解压。解压不完整。用 7-Zip 重新解压确保没有报错。排查顺序先看路径再看杀毒软件最后重新解压。九成问题出在前两步。6.2 出图报错“CUDA out of memory”显存不够了。解决办法按优先级加--medvram或--lowvram启动参数。降低出图分辨率先出 512x512。关闭高清修复或者降低放大倍数。关掉其他占显存的程序比如游戏、视频剪辑软件。如果都不行换更小的模型或者升级显卡。6.3 出的图颜色发灰、发白大概率是 VAE 问题。检查设置里选的 VAE 是否正确或者模型是否内置了 VAE。如果模型页面推荐了特定 VAE就按推荐来。没有推荐的话试试vae-ft-mse-840000。6.4 人物脸崩、手崩、多手指这是 SD 1.5 的老毛病原因和解决办法分辨率不对用 512x512 出图别直接上大图。反向提示词没写加上bad anatomy, bad hands, extra fingers。模型不擅长画人换写实类或专门优化过人物的模型。步数太低提到 25 到 30 步试试。可以用 ADetailer 插件自动检测并修复脸和手效果明显。6.5 模型加载了但下拉框里看不到确认模型文件放在models/Stable-diffusion/目录下。确认文件格式是.safetensors或.ckpt。点下拉框旁边的刷新按钮。如果还没有重启整个服务。6.6 生成速度特别慢确认加了--xformers参数。确认用的是 N 卡且驱动是最新的。步数别设太高20 到 30 够用。分辨率别一上来就拉满。后台别开太多占资源的程序。问题现象最可能原因优先尝试的解决窗口一闪而过路径有中文/杀毒误删换纯英文路径、加白名单显存不足报错显存太小/参数太高加 medvram、降分辨率颜色发灰VAE 不对换 VAE 或检查模型内置脸崩手崩分辨率/模型/步数512 出图、加反向词、提步数模型看不到路径不对/没刷新检查目录、点刷新、重启速度慢没开优化/硬件弱加 xformers、降步数7. 进阶方向跑通之后可以玩什么7.1 图生图给一张参考图让模型改图生图img2img是你给一张图模型在此基础上修改。核心参数是重绘幅度Denoising strength0.2 到 0.4轻微修改保留原图大部分内容。0.5 到 0.7中等修改风格和内容都会变。0.8 到 1.0几乎重画只保留大致构图。图生图常用来做风格转换、草图细化、照片动漫化。配合 ControlNet 插件还能精确控制人物姿势和构图。7.2 ControlNet精确控制画面结构ControlNet 是一组插件模型能让你用线稿、深度图、姿势图等来控制生成结果。比如OpenPose提取人物骨架控制姿势。Canny提取边缘线控制轮廓。Depth提取深度信息控制空间关系。装了 ControlNet 之后你就不再是“抽卡”而是可以比较精确地控制画面。这是从“玩”到“用”的关键一步。7.3 模型微调训练自己的风格如果你有大量同一风格的图片可以用 Dreambooth 或 LoRA 训练让模型学会你的专属风格或人物。这需要额外的训练环境和显卡时间属于进阶内容。新手先把出图玩熟再考虑训练。7.4 常见插件推荐ADetailer自动修复脸和手强烈推荐。ControlNet精确控制构图和姿势。Image Browser方便浏览和管理生成的图片。Translation一键翻译提示词英文不好也能用。插件装在extensions/目录下或者在界面的“扩展”标签里在线安装。装完记得重启服务。8. 我个人的一些实操体会跑通 Stable Diffusion 这件事最难的不是技术本身而是信息太杂。网上教程一大堆但很多是过时的、互相矛盾的。我的建议是先用整合包把流程跑通出一张图建立信心然后再去理解每个参数的作用逐步深入。模型不要贪多先精通一两个。提示词不要照抄理解结构之后自己写。参数不要死记知道每个参数调高调低会怎样比记住具体数值更重要。还有一点出图质量的上限取决于你的审美和描述能力。模型只是工具你脑子里有画面才能写出好的提示词。多看图、多积累描述词汇比折腾参数更有用。最后分享一个小技巧每次出图之后把满意的图的参数截图保存下来。时间长了你就有了自己的“参数库”下次遇到类似需求直接翻出来改改就行。这比每次从头调要高效得多。