Stable Diffusion 本地部署实战指南：从零搭建你的AI绘画工作站

“老师，为什么我的Stable Diffusion跑出来的图全是噪点？明明跟教程一样啊！”——这是上周训练营里小陈的提问。他卡在环境配置阶段整整两天，显卡驱动装错版本，Python库冲突，连模型都加载失败。这并非个例，我见过太多学员因为部署问题放弃AI绘画。今天，我们直接拆解本地部署的完整流程，用实战案例帮你绕过所有坑。

一、环境搭建：从零到能跑第一张图

1.1 硬件与系统检查

首先，确认你的设备是否达标。以下是实测可用的最低配置（基于Stable Diffusion WebUI v1.6.0测试）：

• 显卡：NVIDIA GTX 1060 6GB（显存低于4GB无法运行）

关键操作：打开命令提示符（Win+R输入cmd），输入`nvidia-smi`。如果显示驱动版本低于525.89.01，请去NVIDIA官网下载对应驱动。小白常犯的错误：用Windows自动更新装驱动，结果版本不对导致CUDA不可用。

1.2 Python环境配置

不要用系统自带的Python！我们用Anaconda创建独立环境，避免库冲突。

1. 下载Anaconda 2024.10-1（官网或清华镜像）
2. 打开Anaconda Prompt，执行：

   conda create -n sdwebui python=3.10.12
   conda activate sdwebui
   

3. 安装PyTorch（根据CUDA版本选命令）：

   # CUDA 12.1
   pip install torch==2.1.2 torchvision==0.16.2 --index-url https://download.pytorch.org/whl/cu121
   

验证：输入`python -c “import torch; print(torch.cuda.is_available())”`，返回True则成功。

1.3 下载Stable Diffusion WebUI

这是最常用的图形界面，由AUTOMATIC1111开发。直接克隆官方仓库：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui

然后运行启动脚本：

webui-user.bat

首次启动会下载依赖（约2-3GB，取决于网络）。注意：如果卡在`Installing requirements`，请挂全局代理，或手动下载`requirements_versions.txt`里的依赖包。

启动成功后，浏览器访问`http://127.0.0.1:7860`，你会看到WebUI界面。此时还没模型，所以先别点“生成”——我们来装模型。

二、模型加载与参数调优

2.1 下载核心模型

Stable Diffusion官方模型是`sd-v1-4.ckpt`（约2.3GB），但推荐用社区微调版。以ChilloutMix为例（专攻写实人像）：

1. 去HuggingFace搜索`chilloutmix`，找到`chilloutmix_NiPrunedFp32Fix.safetensors`
2. 下载后放入`stable-diffusion-webui/models/Stable-diffusion/`目录
3. 重启WebUI（关闭cmd窗口再运行`webui-user.bat`）

2.2 第一个生成案例：从噪点到清晰图

问题场景：小陈的图全是噪点，是因为默认采样步数太低（20步），且未用VAE修复色彩。

操作步骤：
1. 在WebUI左上角选择`ChilloutMix`模型
2. 输入提示词：`(masterpiece:1.2), best quality, a girl with blue eyes, wearing white dress, standing in garden, sunlight, detailed face`
3. 负面提示词：`nsfw, lowres, bad anatomy, bad hands, text, error, extra fingers, missing fingers, blurry, ugly`
4. 关键参数：
– Sampling method: DPM++ 2M Karras（比Euler细节更丰富）
– Sampling steps: 30（默认20容易噪点）
– CFG Scale: 7（控制提示词贴合度）
– Seed: -1（随机种子）
– Size: 512×768（竖构图）
5. 点击Generate，等待约15秒（GTX 1060）

如果仍有噪点：在`Settings` → `Stable Diffusion`中，开启`Enable quantization for VAE`，并下载`vae-ft-mse-840000-ema-pruned.safetensors`放入`models/VAE/`目录，重启后选择该VAE。

2.3 进阶操作：ControlNet实现精准构图

ControlNet是Stable Diffusion的“定位器”。比如你想把一张照片的姿势应用到AI生成图上：

1. 安装ControlNet扩展：在WebUI的`Extensions` → `Available`中搜索`sd-webui-controlnet`，点击Install
2. 重启后，在文生图界面下方会多出`ControlNet`面板
3. 上传一张姿势参考图（比如跳舞的人）
4. 启用ControlNet，选择`Preprocessor`为`openpose`，`Model`为`control_v11p_sd15_openpose`
5. 保持其他参数不变，生成——AI会复制参考图的骨架结构

参数调整：

三、常见问题与性能优化

3.1 显存不足怎么办？

如果生成512×512图时爆显存（出现`CUDA out of memory`），尝试：

1. 开启MedVram：在`webui-user.bat`中添加`set COMMANDLINE_ARGS=–medvram`
2. 降低分辨率：先用384×384测试，调好参数再升分辨率
3. 使用Tiled VAE扩展：将大图分块处理，减少单次显存占用

3.2 生成速度慢？

3.3 模型下载慢？

用镜像站：在`stable-diffusion-webui/`目录下创建`huggingface_mirror.txt`，写入`https://hf-mirror.com`，重启后自动使用镜像。

四、总结与进阶建议

本地部署Stable Diffusion的核心就三步：环境搭建→模型加载→参数调优。记住关键参数：采样步数30、CFG 7、DPM++ 2M Karras。遇到问题优先检查显存和驱动版本。

进阶方向：
1. LoRA训练：用20-30张面部照片训练专属角色，生成稳定的人物形象
2. Inpainting：用Mask工具局部重绘，修复AI生成的瑕疵
3. 视频生成：结合Deforum扩展，生成连贯动画

如果你已经能稳定生成高质量图片，下一步可以学习ComfyUI——节点式工作流，更适合复杂管线。但WebUI足够应付90%的需求。

—

常见问题 FAQ

Q1：启动时提示“No module named ‘torch’”，但明明安装了？
A：检查是否在正确的conda环境中运行。用`conda activate sdwebui`激活环境，再运行`webui-user.bat`。如果还是不行，手动执行`pip install torch torchvision`。

Q2：生成图片全是黑色或绿色？
A：模型损坏或VAE不兼容。重新下载模型（注意选.safetensors格式），并删除`models/VAE/`下的所有文件，用默认VAE测试。

Q3：如何批量生成不同姿势的同一角色？
A：使用X/Y/Z Plot脚本。在`Script`下拉框选择`X/Y/Z plot`，X轴填`prompt`，Y轴填`seed`，可生成网格图对比不同参数效果。

Q4：提示“Out of memory”但显存还有剩余？
A：可能是内存不足。在`webui-user.bat`中添加`set PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128`，限制PyTorch内存分配。

Q5：可以商用吗？
A：Stable Diffusion v1.4/1.5基于CreativeML Open RAIL-M许可证，允许商用但需遵循条款（如不生成违法内容）。建议商用前咨询律师，并避免使用未授权的第三方模型。