Stable Diffusion 本地部署实战指南：从零搭建你的AI绘画工作站
“老师，我电脑配置不够，是不是就玩不了SD？”——这是我在火星人教育AIGC设计课堂上被问得最多的问题。上周有位学员小张，用一台4GB显存的老笔记本跑来问我，他试了在线版SD，但出图慢、限制多，想本地部署又怕搞不定。我让他现场跟着步骤操作，30分钟后，他已经能稳定生成第一张图了。今天，我就把这套流程拆解给你看。
—
一、部署前的环境准备：别急着装软件，先搞定这几步
很多新手一上来就下载Stable Diffusion WebUI，结果卡在依赖报错、显存不足或版本冲突上。本地部署不是简单的“双击安装”，而是一个系统工程。我们先解决两个核心问题：硬件门槛和环境搭建。
1. 硬件最低要求（实测可跑）
- 显卡：NVIDIA GTX 1060 6GB（或同等性能以上），显存≥4GB。AMD显卡暂不推荐，因为CUDA生态更成熟。
> 注意：如果你只有4GB显存，别急着放弃。后面我会教你用`–medvram`参数优化，实测能稳定出512×512图。
2. 必装工具清单（版本号精确）
避坑提示：很多人装完Python后忘记勾选“Add Python to PATH”，导致终端找不到python命令。安装时务必勾选。
—
二、核心部署：Stable Diffusion WebUI 安装与首次运行
步骤1：拉取官方仓库（耗时约5分钟）
打开终端（CMD或PowerShell），进入你想安装的目录（比如`D:\SD`），执行：
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
如果网速慢，可以用国内镜像（如GitCode）：
git clone https://gitcode.net/gh_mirrors/stable-diffusion-webui.git
步骤2：创建虚拟环境并安装依赖
进入`stable-diffusion-webui`目录，执行：
python -m venv venv
venv\Scripts\activate # Windows激活
或者 Linux/mac: source venv/bin/activate
然后安装依赖（注意：不要用`pip install -r requirements.txt`，因为官方脚本会自动处理）：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
等待约10分钟（取决于网速）。如果中途报错，大概率是网络问题，建议用`pip install -i https://pypi.tuna.tsinghua.edu.cn/simple` 临时切换清华源。
步骤3：下载基础模型（Checkpoint）
WebUI本身不包含模型，需要手动下载。推荐新手用 Stable Diffusion 1.5 或 SDXL 1.0：
模型下载地址：Hugging Face（需要注册）或国内镜像站如`modelscope.cn`。
注意：`.safetensors`格式比`.ckpt`更安全（无恶意代码），推荐优先使用。
步骤4：首次启动与参数优化
在终端（确保虚拟环境已激活）中运行：
python webui.py --medvram --xformers --no-half-vae
启动成功后，终端会显示`Running on local URL: http://127.0.0.1:7860`，浏览器打开即可看到界面。
—
三、实战案例：从“生成一张图”到“控制构图”
很多学员卡在“为什么我生成的图跟网上教程不一样？”——因为提示词和参数是核心。
案例1：生成一张赛博朋克风格女性肖像
目标：掌握提示词结构、采样器、CFG Scale。
操作步骤：
1. 选择模型：在左上角下拉菜单选`sd_xl_base_1.0.safetensors`。
2. 输入提示词：
– 正向：`(masterpiece, best quality), 1girl, cyberpunk style, neon lights, rain, city street, detailed face, intricate armor, glowing blue eyes, cinematic lighting`
– 反向：`(worst quality, low quality:1.4), nsfw, blurry, ugly, deformed, bad anatomy`
3. 设置参数：
– 采样器：`DPM++ 2M Karras`（速度与质量平衡）
– 步数：30
– CFG Scale：7.5（太高会过饱和，太低会模糊）
– 尺寸：`768×768`（SDXL原生尺寸）
– 种子：`-1`（随机，找到好图后固定种子微调）
4. 点击“Generate”，等待约15-20秒（RTX 3060 12GB实测）。
结果分析：如果人脸崩了，可以勾选`Restore Faces`（使用GFPGAN模型修复）。如果背景杂乱，尝试降低CFG到5.0。
案例2：用ControlNet控制人物姿势
目标：从一张参考图提取姿势，生成新角色。
前置准备：
操作步骤：
1. 打开一张姿势参考图（比如一个站立的人影），拖入ControlNet面板。
2. 勾选`Enable`，选择预处理器`OpenPose`，模型`control_v11p_sd15_openpose [c0f9d3b0]`。
3. 在正向提示词中输入新角色的描述：`1girl, fantasy warrior, holding sword, armor, forest background, detailed`。
4. 设置采样器为`Euler a`，步数20，CFG 6.0。
5. 点击生成，观察角色姿势是否与参考图一致。
常见问题：如果姿势不对，检查ControlNet的`Control Weight`（默认1.0），可以调高到1.2增强控制力。如果背景被过度干扰，降低`Control Mode`中的`Pixel Perfect`。
—
四、总结与进阶建议
本地部署SD的核心在于：环境匹配（Python、CUDA版本）和��数微调（显存优化、模型选择）。当你成功跑通第一张图后，下一步可以探索：
1. LoRA训练：用20张你自己的照片，训练一个专属风格模型（推荐`kohya_ss`工具）。
2. Tiled VAE：解决高分辨率（如2048×2048）显存不足问题。
3. ComfyUI：节点式工作流，适合复杂任务（如多模型组合）。
4. 模型融合：用`SuperMerger`插件将两个模型按比例混合，创造独特画风。
最后提醒：定期更新WebUI（`git pull`）和扩展，但注意备份`models`和`outputs`文件夹。如果遇到报错，先查终端日志——90%的问题都能在`Traceback`中找到线索。
—
常见问题 FAQ
Q1：启动时报错“RuntimeError: CUDA out of memory”怎么办？
A：显存不足。尝试：① 加`–medvram`参数；② 关闭其他占用显存的程序（如Chrome）；③ 降低生成尺寸（如从768×768降到512×512）；④ 使用`–lowvram`（更激进，但速度慢）。
Q2：为什么我生成的图片全是噪点或黑色？
A：可能是模型加载失败。检查`models\Stable-diffusion`���件夹中是否有`.ckpt`或`.safetensors`文件，且文件名不带中文。另外，确保启动时加了`–no-half-vae`。
Q3：ControlNet插件安装后不显示？
A：重启WebUI。如果还不显示，检查`extensions`目录下是否有`sd-webui-controlnet`文件夹。手动安装：在终端执行`git clone https://github.com/Mikubill/sd-webui-controlnet.git extensions/sd-webui-controlnet`。
Q4：SDXL模型生成速度极慢怎么办？
A：SDXL原生尺寸大，显存消耗高。建议：① 使用`–opt-sdp-attention`替代`–xformers`（兼容性更好）；② 生成时先用512×512预览，再用高清修复（Hires. fix）放大；③ 换用SD1.5模型（速度更快）。
Q5：如何将生成的图片保存为PNG格式？
A：WebUI默认输出PNG。如需JPG，在`Settings` → `Saving images/grids`中设置`Image format`为`jpeg`。注意：JPG会损失细节，建议保留PNG用于后期修图。
评论(0)