AI绘画Stable Diffusion本地部署教程：从安装到微调，完整讲解Stable Diffusion本地部署全流程。本文为tutorial类教程，发布于2026-03-27，已有4次阅读。由ONE社区整理发布，所有教程内容免费开放。
AI绘画Stable Diffusion完全入门指南：本地部署到出图
为什么选择Stable Diffusion
在众多AI绘画工具中，Stable Diffusion有着独特的地位：它是完全开源的，你可以免费下载并在自己的电脑上运行，没有使用次数限制，没有内容审查限制，没有月费订阅。这意味着一旦部署完成，你可以无限量地生成图片，唯一的成本就是电费。
此外，Stable Diffusion拥有最活跃的社区生态。数以万计的社区模型（Checkpoint）、LoRA适配器、ControlNet控制网络和各种插件，让你几乎可以生成任何风格的图像：写实摄影、日系动漫、水彩油画、3D渲染、像素艺术等等。
硬件要求
在开始之前，检查你的电脑是否满足以下最低要求：
显卡（GPU）：NVIDIA显卡，显存至少6GB。推荐8GB以上。常见的合适显卡：RTX 3060（12GB）、RTX 4060（8GB）、RTX 3080（10GB）、RTX 4080（16GB）。AMD显卡也可以运行但兼容性不如NVIDIA。没有独立显卡也可以用CPU模式运行，但速度会慢10-20倍。
内存（RAM）：至少16GB，推荐32GB。
硬盘空间：至少30GB可用空间（模型文件较大，一个Checkpoint通常2-7GB）。推荐使用SSD以加快加载速度。
安装部署
方案一：WebUI一键包（推荐新手）
秋叶大佬制作的Stable Diffusion WebUI整合包是国内用户最流行的安装方式。下载整合包后解压，双击启动脚本即可使用。整合包已经预装了Python环境、WebUI界面和基础模型，免去了复杂的环境配置。
方案二：手动安装
如果你有一定的技术基础，可以手动安装以获得更好的可控性。流程：安装Python 3.10 → 安装Git → 克隆Automatic1111的stable-diffusion-webui仓库 → 运行webui-user.bat自动安装依赖 → 下载模型文件放到models目录。
方案三：ComfyUI（推荐进阶用户）
ComfyUI是另一个流行的Stable Diffusion界面，采用节点式工作流设计。虽然学习门槛更高，但提供了更强大的自定义能力和更好的性能。适合需要搭建复杂图像处理流水线的用户。
模型选择与下载
基础模型（Checkpoint）
基础模型决定了图像生成的整体风格和质量。推荐入门模型：
写实风格：RealisticVision（最受欢迎的写实模型，人像效果出色）。动漫风格：Anything V5（二次元风格的经典之作）。通用风格：DreamShaper（在写实和艺术之间取得很好的平衡）。
模型下载渠道：Civitai（C站，全球最大的SD模型分享平台）、Hugging Face（官方模型托管平台）、LiblibAI（国内模型分享平台）。
LoRA模型
LoRA是轻量级的风格/角色适配器，文件通常只有几十到几百MB。通过加载不同的LoRA，你可以在基础模型上叠加特定的风格效果或角色特征，而无需切换整个基础模型。
基础出图教程
文生图（txt2img）
这是最基础的使用方式。在提示词框中输入你想要生成的图像描述，点击生成即可。
正面提示词示例：1girl, white dress, standing in flower garden, golden hour lighting, soft bokeh background, masterpiece, best quality, highly detailed
负面提示词示例：low quality, worst quality, blurry, deformed, ugly, extra limbs, bad anatomy, watermark, text
关键参数说明
采样方法（Sampler）：推荐DPM++ 2M Karras或Euler a，前者质量稳定，后者有更多随机创意。
采样步数（Steps）：20-30步是性价比最高的区间。步数太低细节不足，太高收益递减。
CFG Scale：7-12之间。7偏向AI自由发挥，12偏向严格遵循提示词。
分辨率：512x512或768x768是SD 1.5模型的最佳分辨率。SDXL模型推荐1024x1024。
图生图（img2img）
上传一张参考图，AI在此基础上进行修改或风格转换。重绘幅度（Denoising Strength）控制AI改动的程度：0.3左右保持原图大部分特征，0.7左右大幅重绘但保留构图。
进阶技巧
ControlNet控制
ControlNet是SD最强大的控制工具，可以精确控制生成图像的构图、姿态和结构。常用的ControlNet类型：OpenPose（控制人物姿态）、Canny（控制边缘轮廓）、Depth（控制深度关系）、Tile（高清放大时保持细节）。
高清放大
SD生成的基础分辨率较低，通过高清放大（Hires.fix或后期放大）可以获得2K甚至4K的高分辨率图像。推荐使用Tile ControlNet配合放大模型（如4x-UltraSharp）进行放大。
批量生成与筛选
AI绘画的最佳实践是"量中取质"。设置不同的随机种子批量生成多张图片，从中选出最满意的进行精修和放大。
常见问题
生成的人物手指变形：这是SD的已知缺陷，可以使用ADetailer插件自动修复，或用Inpainting（局部重绘）手动修正。
显存不足（CUDA out of memory）：在WebUI设置中开启--medvram或--lowvram模式，牺牲速度换取更低的显存占用。
生成速度太慢：确认是否使用了GPU而非CPU运行。安装xformers库可以提升20-30%的速度。
ONE社区的SKILL页面有Stable Diffusion及相关工具的详细介绍，Workflow页面有AI图像批量生产的自动化方案。