Stable Diffusion 本地部署实战指南：从“显卡焦虑”到出图自由

上周三晚上，我的学员小林在群里发了一张“显卡价格截图”，配文是：“老师，我是不是得卖肾才能跑得动SD？” 截图里，一张RTX 4090的价格标到了1.6万。这几乎是每次开课都会遇到的经典提问。但真相是，你根本不需要一块旗舰卡才能开始本地部署。今天这篇指南，我会用两个完整的实操案例，带你从零跑通Stable Diffusion WebUI，并且让你现有的硬件（哪怕是一块8GB显存的甜品卡）发挥出200%的效能。

案例一：8GB显存笔记本的“极限压榨”部署

小林后来告诉我，他的主力机是两年前的拯救者Y9000P，3060 Laptop 6GB显存。我们以此为目标，完成一次标准的本地部署。

第一步：环境准备——别用最新的Python

很多人卡在第一步，是因为用了Python 3.12。目前（2025年5月），PyTorch对3.12的支持仍有兼容性问题。请务必安装Python 3.10.11，这是社区验证过的“黄金版本”。

1. 前往python.org下载3.10.11，安装时勾选 “Add Python to PATH”。
2. 安装Git for Windows，默认选项即可。
3. 创建一个干净的目录，比如 `D:\SD`，路径中不要出现中文和空格。

第二步：获取WebUI与模型

打开CMD，逐行执行以下命令：

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

这里我们用的是 AUTOMATIC1111 的WebUI，它是目前生态最完善、插件最丰富的版本。接下来，你需要一个基础模型。对于6GB显存，我强烈推荐 SDXL 1.0 的蒸馏版 SDXL-Turbo，或者经典的 Realistic Vision V5.1（基于SD1.5，占用更低）。

将下载的 `.safetensors` 文件放入 `models\Stable-diffusion` 文件夹。

第三步：关键参数调优（这是核心）

直接双击 `webui-user.bat` 启动大概率会爆显存。我们需要修改启动参数。右键编辑 `webui-user.bat`，在 `set COMMANDLINE_ARGS=` 这一行填入：

set COMMANDLINE_ARGS=--xformers --medvram --no-half-vae --opt-split-attention

• `–xformers`：启用优化内存的注意力机制，这是6GB显存能跑SDXL的关键。

启动后，浏览器自动打开 `http://127.0.0.1:7860`。在左上角模型栏选择 `Realistic Vision`，正向提示词输入 `a portrait of a young woman, soft lighting, detailed skin`，反向提示词输入 `nsfw, lowres, bad anatomy`。将采样步数设为20，CFG Scale设为7，点击生成。你会看到，生成一张512×512的图，耗时约15秒——完全可用。

案例二：ControlNet精确控制——让AI听你的话

部署成功只是开始。很多学员问我：“为什么我生成的图总是不听指挥？” 这就要用到 ControlNet 插件。这是目前最强大的图像控制工具，没有之一。

安装与模型下载

在WebUI的“扩展”标签页，选择“从网址安装”，输入：

https://github.com/Mikubill/sd-webui-controlnet.git

安装后重启WebUI。接着，你需要下载ControlNet的配套模型。去Hugging Face搜索 `lllyasviel/ControlNet-v1-1`，下载 `control_v11p_sd15_openpose.pth`（用于姿态控制）和 `control_v11f1p_sd15_depth.pth`（用于深度控制）。放入 `models\ControlNet` 文件夹。

实操：让角色“摆”出指定姿势

假设我们有一张模特站姿的图片，想让SD画一���相同姿势的动漫角色。

1. 在WebUI底部找到“ControlNet”折叠面板，拖入你的参考图。
2. 启用 勾选框，像素完美 勾选。
3. 预处理器选择 `openpose`（姿态提取），模型选择 `control_v11p_sd15_openpose […]`。
4. 在提示词中输入 `anime girl, dynamic pose, detailed background`，采样步数25，CFG Scale 7。
5. 点击生成。

你会看到，生成的动漫角色完美复刻了参考图的姿态，甚至手指细节都清晰可辨。注意控制权重，一般在0.8-1.0之间。权重太高会完全照搬原图构图，太低则控制失效。

进阶优化：告别“显存焦虑”的三大狠招

如果你觉得生成速度还是慢，或者想尝试更高分辨率，这里有三个我每次线下课必教的实战技巧。

1. 开启 xformers 的隐藏福利
很多教程只让你加 `–xformers`，但没告诉你它还能配合 `–opt-split-attention` 使用。这个组合能显著降低显存峰值，实测在6GB卡上，能多生成2-3张512×512的图作为预览批次。

2. 使用 TAESD 加速预览
在设置中搜索 `TAESD`，下载对应的 `taesd_decoder.pth` 放入 `models/TAESD`。它能在采样过程中以极低分辨率实时预览结果，速度提升约30%。你不需要等到20步全部跑完，第5步就能看到大致构图，不满意直接中断，节省时间。

3. 高清修复的“重绘幅度”玄学
当你生成512×512后想放大到1024，不要直接点“高清修复”。正确的做法是：将重绘幅度（Denoising strength）控制在 0.4-0.5 之间。低于0.3，画面细节会模糊；高于0.6，人物面部可能变形。同时，将放大算法设为 `ESRGAN_4x`，这是目前细节保持最好的算法。

常见问题 FAQ

Q1: 我的显卡只有4GB显存，是不是完全没戏？
A: 可以跑，但必须用SD1.5模型（如Realistic Vision V5.1），并开启 `–lowvram` 参数。生成分辨率控制在512×512以内，速度会慢一些（约30秒/张），但出图质量依然在线。不建议碰SDXL。

Q2: 每次启动都要重新下载模型吗？
A: 不需要。模型文件存放在 `models\Stable-diffusion` 下，首次启动后会自动加载到内存。但注意，切换模型时会重新加载，耗时约10-20秒，这是正常的。

Q3: 生成的脸部总是崩坏，怎么办？
A: 这是最常见的问题。首先检查反向提示词是否包含 `bad face, deformed face`。其次，开启 ADetailer 插件（在扩展中安装），它会在生成后自动检测面部并二次修复，效果立竿见影。

Q4: 为什么我加了 `–medvram` 反而变慢了？
A: 这是正常现象。`–medvram` 是通过牺牲部分速度来换取显存空间。如果你的显卡是8GB以上，可以去掉 `–medvram`，只保留 `–xformers`，速度会快很多。

Q5: 生成的图片总是有“塑料感”，怎么调出真实感？
A: 降低CFG Scale到5-6，同时尝试使用 DPM++ SDE Karras 采样器。另外，在正向提示词中加入 `film grain, 35mm photo, shot on DSLR` 等摄影术语，能显著提升质感。

结尾：给学习者的进阶建议

本地部署只是你踏入AIGC设计领域的第一步。当你跑通流程后，我建议你按以下路径深造：

1. 本周目标：用ControlNet控制5种不同姿势，并尝试用Depth控制场景构图。
2. 本月目标：学会训练自己的 LoRA 模型。用20张你的设计作品，训练一个能代表你个人风格的LoRA，这会让你在同行中脱颖而出。
3. 长期方向：关注 ComfyUI 的节点式工作流。它比WebUI更复杂，但能实现更精细的流程控制，是商业级项目的标配。

记住，工具永远在迭代，但审美和解决问题的思路才是你的核心资产。别沉迷于“一键生成”的爽感，多拆解优秀作品的提示词结构，多思考光影逻辑。当你把SD当作��笔而不是“印钞机”时，你的作品才真正有了灵魂。现在，去生成你的第一张图吧——相信我，打开CMD的那一刻，你已经领先了80%的观望者。