Stable Diffusion 本地部署实战指南

上周一位学员在群里发了一张模糊的AI生成图，抱怨说：“网上教程都是‘一键部署’，我跟着装完了还是报错，显卡风扇都不转。”这种情况我太熟悉了——90%的本地部署失败，不是因为硬件不够，而是因为忽略了几个关键配置。今天我们就从零开始，把Stable Diffusion装到你的电脑上，并让它真正跑起来。

一、部署前的硬件与软件准备

1.1 硬件门槛：不是所有显卡都能跑

Stable Diffusion对显卡的要求很明确：NVIDIA显卡，显存4GB以上。我用的是RTX 3060 12GB版本，能流畅生成1024×1024的图片。如果显存只有4GB（如GTX 1650），建议将分辨率控制在512×512以内。

关键参数说明：

  • 显存（VRAM）：决定你能生成多大图片。4GB→512×512，8GB→768×768，12GB+→1024×1024
  • CUDA核心数：影响生成速度。RTX 3060有3584个CUDA核心，生成一张512×512图约需15秒
  • 内存（RAM）：建议16GB以上，否则加载模型时会卡死

    • 注意： AMD显卡和Intel显卡目前也能跑，但需要特殊配置（如ROCm或OpenVINO），本文暂不讨论。

    1.2 软件环境：Python与Git

    首先安装Python 3.10.6（不要用3.11或3.12，很多依赖包不兼容）。去python.org下载后，安装时勾选“Add Python to PATH”。

    然后安装Git，用于下载仓库代码：https://git-scm.com/

    验证安装：打开命令行（Win+R→输入cmd），输入：

    python --version
git --version

    如果显示版本号，说明安装成功。

    二、核心部署：AUTOMATIC1111 WebUI

    这是目前最主流的Stable Diffusion界面，支持Windows、macOS和Linux。

    2.1 下载与安装

    打开命令行，进入你想存放项目的目录（比如D盘根目录）：

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

    然后运行启动脚本（Windows用户）：

    webui-user.bat

    第一次运行会自动下载依赖包（约2-3GB），包括PyTorch、xformers等。关键步骤： 如果你的显卡显存小于8GB，建议在`webui-user.bat`文件中添加以下参数（用记事本打开）：

    set COMMANDLINE_ARGS=--xformers --no-half-vae --medvram
  • `–xformers`：启用优化，减少显存占用
  • `–no-half-vae`：防止VAE精度问题导致图像模糊
  • `–medvram`：中等显存模式（适合4-8GB显卡）

    • 2.2 首次启动与模型加载

    启动成功后，命令行会显示：

    Running on local URL:  http://127.0.0.1:7860

    打开浏览器访问这个地址，你会看到WebUI界面。

    核心步骤：下载模型
    Stable Diffusion本身是一个框架，需要模型文件才能生成图像。最常用的模型是Stable Diffusion 1.5（官方版本）和Stable Diffusion XL（高分辨率版本）。

    去Hugging Face下载模型文件（以SD 1.5为例）：
    1. 访问 https://huggingface.co/runwayml/stable-diffusion-v1-5
    2. 找到`v1-5-pruned-emaonly.safetensors`文件（约1.5GB）
    3. 下载后放入`stable-diffusion-webui/models/Stable-diffusion/`目录

    模型文件存放路径

    常见错误： 如果界面显示“No checkpoint found”，说明模型文件放错位置了。检查路径是否为`models/Stable-diffusion/`（注意大小写）。

    三、实战操作：从文生图到图生图

    3.1 案例一：生成一张赛博朋克城市夜景

    在WebUI的“txt2img”标签页中，输入以下提示词：

    Positive prompt: cyberpunk city, neon lights, rainy street, reflection on wet ground, detailed architecture, volumetric lighting, cinematic, 8k, highly detailed
Negative prompt: blurry, low quality, deformed, ugly, bad anatomy, watermark

    参数设置：

  • Sampling method：选择`Euler a`（速度快，质量不错）
  • Sampling steps：20（默认值，足够大多数场景）
  • Width/Height：512×512（4GB显存建议512，8GB可尝试768）
  • CFG Scale：7（控制提示词遵循程度，7-9为常用范围）
  • Seed：-1（随机种子，每次生成不同结果）

    • 点击“Generate”，等待约15秒（RTX 3060 12GB），你会看到一张赛博朋克城市图生成。

    文生图生成界面

    优化技巧： 如果图像出现“多头”或“手指畸形”，在Negative prompt中加入`extra fingers, mutated hands, poorly drawn hands`。

    3.2 案例二：用图生图修复老照片

    切换到“img2img”标签页，上传一张模糊的老照片。假设照片是黑白且布满划痕。

    参数设置：

  • Denoising strength：0.3-0.5（控制与原图的相似度，值越低越保留原图结构）
  • Resize mode：选择`Just resize`（保持比例）
  • Positive prompt：`high quality, sharp focus, clean, detailed, realistic photo, no scratches, colorized`
  • Negative prompt：`blurry, noise, scratches, grain, low quality`

    • 操作步骤：
    1. 上传图片后，点击“Interrogate CLIP”自动生成提示词（基于图片内容）
    2. 修改提示词，���入修复要求
    3. 调整Denoising strength为0.4（太低修复效果不明显，太高会改变原图）
    4. 点击“Generate”

    图生图修复界面

    关键点： Denoising strength是图生图的核心参数。0.3-0.5适合修复细节，0.6-0.8适合风格转换，0.9以上几乎完全重绘。

    四、进阶配置：提升生成质量与速度

    4.1 使用LoRA模型定制风格

    LoRA（Low-Rank Adaptation）是小体积的模型微调文件（通常10-100MB），可以给Stable Diffusion添加特定风格或角色。

    安装步骤：
    1. 下载LoRA文件（.safetensors格式），放入`stable-diffusion-webui/models/Lora/`目录
    2. 在WebUI的“txt2img”界面，点击“Show extra networks”按钮
    3. 在Lora标签页中点击你下载的LoRA文件
    4. 提示词中会自动添加``，其中数字控制强度（0.5-1.5）

    推荐LoRA资源：

  • 动漫风格：`Anime Lineart` (Civitai)
  • 写实人像：`Realistic Vision V5.1` (Civitai)
  • 像素艺术：`Pixel Art LoRA` (Civitai)

    • 4.2 启动参数优化（针对低显存显卡）

    如果你的显卡显存只有4GB，在`webui-user.bat`中添加以下参数：

    set COMMANDLINE_ARGS=--xformers --no-half-vae --medvram --opt-split-attention --disable-nan-check
  • `–opt-split-attention`：进一步优化显存分配
  • `–disable-nan-check`：禁用NaN值检查，减少计算开销

    • 实测效果： 在GTX 1650 4GB上，用这些参数可以稳定生成512×512的图片，但生成时间从15秒延长到45秒左右。

    五、常见问题 FAQ

    Q1：启动时提示“No module named ‘torch’”怎么办？
    A：Python版本不匹配。卸载当前Python，安装Python 3.10.6（官方推荐版本）。如果已安装3.10.6，尝试删除`venv`文件夹（在WebUI根目录），然后重新运行`webui-user.bat`，它会自动重建虚拟环境。

    Q2：生成图片时显卡风扇不转，速度很慢？
    A：检查是否使用了CPU模式。在WebUI界面右下角查看“Device”是否显示为“CUDA”。如果是“CPU”，说明CUDA未正确安装。重新安装PyTorch CUDA版本：在命令行运行`pip install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu118`。

    Q3：生成的图片总是模糊或变形？
    A：三个常见原因：① 模型文件损坏（重新下载）；② 显存不足导致自动降分辨率（检查`–medvram`参数是否启用）；③ 提示词过于简单（增加描述性词汇，如`detailed, sharp focus, 8k`）。

    Q4：如何批��生成图片？
    A：在“txt2img”界面，打开“Batch count”（生成批次）和“Batch size”（每批数量）。注意：Batch size越大，显存占用越高。建议Batch size设为1，Batch count设为10，这样生成10张不同图片。如果要生成相似图片，固定Seed并调整Prompt。

    Q5：模型文件太大，下载慢怎么办？
    A：使用镜像站。将Hugging Face链接中的`huggingface.co`替换为`hf-mirror.com`。例如：`https://hf-mirror.com/runwayml/stable-diffusion-v1-5`。也可以用百度网盘或迅雷下载后手动放入对应目录。

    总结与进阶建议

    本地部署Stable Diffusion的核心在于硬件匹配和参数微调。记住三个关键点：
    1. 显存不足时，用`–medvram`和`–xformers`降低占用
    2. 模型文件必须放在正确的目录（`models/Stable-diffusion/`）
    3. Denoising strength是图生图的核心，从0.4开始尝试

    进阶学习路径：

  • 掌握ControlNet：用边缘检测、深度图等控制生成结构
  • 学习模型的合并：将多个模型融合，产生新风格
  • 尝试ComfyUI：节点式工作流，适合复杂任务

    • 最后，保存你的第一个生成作品，记录下提示词和参数。随着经验积累，你会发现自己能越来越精准地控制AI的输出。这不是魔法，是工程。

    声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。