11-Stable Diffusion本地部署
"Stable Diffusion本地部署的意义不只是免费，更在于完全的控制权。你可以用任何模型、任何风格、任何方式创作，没有限制。"
本章导读
Stable Diffusion是目前最强大的开源AI绘画模型。与Midjourney等在线服务不同，SD可以完全部署在本地，这意味着：
- 无需付费订阅，一次投入长期使用
- 无内容审核限制
- 可以使用数万个社区模型
- 可以训练自己的模型（LoRA）
- 可以精确控制画面（ControlNet）
但本地部署有一定技术门槛。本章将手把手教你完成部署，让你从零开始掌握SD。
核心原则
原则一：硬件是前提，显卡决定体验
原则二：WebUI上手容易，ComfyUI更灵活
原则三：模型选择决定风格和质量
原则四：ControlNet是精确控制的关键
一、硬件要求
1.1 显卡需求
NVIDIA显卡要求：
| 显卡 | 显存 | 体验 | 适合 |
|---|---|---|---|
| RTX 4090 | 24GB | ★★★★★ | 专业用户/高分辨率 |
| RTX 4080 | 16GB | ★★★★★ | 专业用户 |
| RTX 4070Ti | 12GB | ★★★★☆ | 进阶用户 |
| RTX 4060Ti 16G | 16GB | ★★★★☆ | 性价比之选 |
| RTX 3060 | 12GB | ★★★☆☆ | 入门推荐 |
| RTX 3050 | 8GB | ★★☆☆☆ | 勉强可用 |
| GTX 1660 | 6GB | ★☆☆☆☆ | 非常勉强 |
显存与体验的关系：
6GB： 可以生成512x512，速度慢，限制多
8GB： 可以生成512x768，基本够用
12GB： 可以生成1024x1024，舒适使用
16GB+：高分辨率/大批量/复杂工作流
24GB： 几乎无限制
1.2 其他配置
| 配置项 | 最低要求 | 推荐配置 |
|---|---|---|
| CPU | 6核以上 | 8核以上 |
| 内存 | 16GB | 32GB |
| 硬盘 | 50GB SSD | 200GB+ NVMe SSD |
| 系统 | Windows 10/11 或 Linux | Windows 11 |
1.3 没有好显卡怎么办
替代方案：
| 方案 | 优点 | 缺点 | 费用 |
|---|---|---|---|
| 云GPU服务 | 按需使用 | 需要配置 | ¥1-5/小时 |
| 在线平台 | 无需配置 | 功能受限 | 免费/付费 |
| Google Colab | 免费GPU | 不稳定，限制多 | 免费 |
| 租用算力 | 高性能 | 成本较高 | 按时计费 |
二、安装WebUI
2.1 什么是WebUI
WebUI = Stable Diffusion的图形操作界面
最流行的WebUI：
├── AUTOMATIC1111 WebUI（最流行，插件多）
├── Forge（优化版，速度快）
├── ComfyUI（节点式，最灵活）
└── Fooocus（简化版，最易用）
新手建议：从Forge或AUTOMATIC1111开始
进阶建议：学习ComfyUI
2.2 安装步骤（Windows）
方法一：整合包安装（推荐新手）
1. 下载整合包
├── 秋叶整合包（B站搜索"秋叶SD整合包"）
└── 包含WebUI + 常用模型 + 一键启动
2. 解压到本地
├── 建议放在SSD
├── 路径不要有中文
└── 需要较大空间（50GB+）
3. 运行启动器
├── 双击启动器.exe
└── 自动打开浏览器界面
优点：最简单，新手友好，自带中文
方法二：手动安装
Step 1: 安装Python 3.10
├── 下载：python.org
├── 安装时勾选"Add to PATH"
└── 验证：命令行输入 python --version
Step 2: 安装Git
├── 下载：git-scm.com
└── 安装默认选项即可
Step 3: 克隆WebUI
├── 打开命令行
├── cd 到目标目录
└── 运行：
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
Step 4: 首次运行
├── 进入webui目录
├── 双击 webui-user.bat
├── 首次运行会自动下载依赖
└── 等待完成后自动打开浏览器
2.3 首次使用
界面介绍：
WebUI主界面：
┌─────────────────────────────────────────┐
│ txt2img │ img2img │ Extras │ ... │ ← 功能标签
├─────────────────────────────────────────┤
│ │
│ Prompt（正向提示词） │
│ ┌─────────────────────────────────┐ │
│ │ │ │
│ └─────────────────────────────────┘ │
│ │
│ Negative Prompt（负向提示词） │
│ ┌─────────────────────────────────┐ │
│ │ │ │
│ └─────────────────────────────────┘ │
│ │
│ [Generate] 按钮 │
│ │
│ ┌─────────┐ ┌─────────────────────┐ │
│ │ 参数设置 │ │ 生成结果区域 │ │
│ │ 采样器 │ │ │ │
│ │ 步数 │ │ │ │
│ │ 尺寸 │ │ │ │
│ │ ... │ │ │ │
│ └─────────┘ └─────────────────────┘ │
└─────────────────────────────────────────┘
第一张图：
1. 确保已加载模型
└── 左上角选择Checkpoint模型
2. 输入Prompt
正向：1girl, cute, smile, flower garden
负向：low quality, bad anatomy
3. 设置参数
├── Sampling method: DPM++ 2M Karras
├── Sampling steps: 20
├── Width: 512
├── Height: 768
└── CFG Scale: 7
4. 点击Generate
└── 等待生成完成
三、模型选择与下载
3.1 模型类型
Stable Diffusion模型类型：
Checkpoint模型（大模型）：
├── 决定整体风格和能力
├── 文件大小：2-7GB
├── 格式：.safetensors / .ckpt
└── 放在：models/Stable-diffusion/
LoRA模型（小模型）：
├── 叠加在大模型上微调效果
├── 可以添加特定风格/角色
├── 文件大小：10-200MB
├── 格式：.safetensors
└── 放在：models/Lora/
VAE模型：
├── 影响色彩和清晰度
├── 通常随模型配套
└── 放在：models/VAE/
Embedding/Textual Inversion：
├── 文本嵌入，用于特定效果
├── 文件很小
└── 放在：embeddings/
3.2 模型下载源
主要下载平台：
| 平台 | 特点 | 地址 |
|---|---|---|
| Civitai | 最大模型社区，模型最多 | civitai.com |
| Liblib | 国内平台，中文友好 | liblib.art |
| Hugging Face | 官方模型源 | huggingface.co |
3.3 推荐模型
写实类模型：
├── Realistic Vision V6.0
│ └── 高质量写实人像
├── ChilloutMix
│ └── 亚洲人像优化
├── Photon
│ └── 摄影质感
└── majicMIX realistic
└── 真实感强
二次元模型：
├── AnythingV5
│ └── 经典二次元模型
├── Counterfeit V3.0
│ └── 高质量动漫
├── MeinaMix
│ └── 风格独特
└── AbyssOrangeMix3
└── 色彩丰富
综合模型：
├── DreamShaper
│ └── 多风格通用
├── RevAnimated
│ └── 半写实风格
└── Deliberate
└── 综合能力强
SDXL模型（需要较高配置）：
├── SDXL Base
│ └── 官方基础模型
├── Juggernaut XL
│ └── 高质量写实
└── Pony Diffusion XL
└── 特定风格
3.4 模型安装
安装模型步骤：
1. 下载模型文件
└── .safetensors格式
2. 放入对应文件夹
├── Checkpoint → models/Stable-diffusion/
├── LoRA → models/Lora/
├── VAE → models/VAE/
└── Embedding → embeddings/
3. 刷新或重启WebUI
└── 在界面中刷新模型列表
4. 选择使用
└── 下拉菜单选择模型
四、核心参数详解
4.1 采样器（Sampler）
常用采样器：
| 采样器 | 特点 | 推荐场景 |
|---|---|---|
| DPM++ 2M Karras | 快速，质量好 | 日常首选 |
| DPM++ SDE Karras | 细节丰富 | 追求细节 |
| Euler a | 经典，随机性强 | 探索创意 |
| DDIM | 稳定，可复现 | 需要稳定输出 |
| UniPC | 快速 | 快速预览 |
4.2 采样步数（Steps）
步数与质量的关系：
10-15步：快速预览，质量一般
20-25步：日常使用，质量平衡
30-40步：高质量输出
50步以上：收益递减，意义不大
建议：
├── 测试阶段：15-20步
├── 正式出图：25-30步
└── 追求极致：35-40步
4.3 CFG Scale
CFG Scale = 图像对Prompt的遵循程度
低值（1-5）：更随机、更艺术化、可能跑题
中值（7-10）：平衡，日常使用
高值（12-20）：严格遵循Prompt，但可能过饱和
建议：
├── 一般情况：7
├── 需要精确：9-12
└── 艺术创作：5-7
4.4 图像尺寸
尺寸建议：
SD 1.5系列：
├── 512x512：默认
├── 512x768：竖版
├── 768x512：横版
└── 不建议超过768
SDXL系列：
├── 1024x1024：默认
├── 1024x1536：竖版
└── 1536x1024：横版
显存不足时：
├── 减小尺寸
├── 使用低显存优化
└── 生成后再放大
4.5 负向提示词
通用负向提示词：
低质量相关：
low quality, worst quality, normal quality,
lowres, bad anatomy, bad hands,
text, error, missing fingers, extra digit,
fewer digits, cropped, jpeg artifacts,
signature, watermark, username, blurry
人物相关：
deformed, ugly, mutilated,
disfigured, mutation, bad proportions,
extra limbs, extra arms, extra legs,
malformed limbs
负向Embedding推荐：
├── EasyNegative
├── bad-hands-5
├── ng_deepnegative_v1_75t
└── 下载后在负向提示词中调用
五、ControlNet精确控制
5.1 什么是ControlNet
ControlNet = 精确控制画面构图和姿态的工具
作用：
├── 保持人物姿态
├── 保持构图
├── 保持线稿
├── 保持深度关系
└── 保持边缘
输入：控制图（如姿态图、线稿、深度图）
输出：按照控制图布局生成的新图
5.2 安装ControlNet
安装步骤：
1. 安装ControlNet插件
├── Extensions → Install from URL
└── 输入ControlNet插件地址
2. 下载ControlNet模型
├── 从Hugging Face下载
└── 放入：models/ControlNet/
3. 重启WebUI
└── 生效后在界面下方出现ControlNet面板
5.3 常用ControlNet模型
| 模型 | 用途 | 使用场景 |
|---|---|---|
| Canny | 边缘检测 | 保持线稿/轮廓 |
| OpenPose | 姿态检测 | 保持人物姿态 |
| Depth | 深度图 | 保持空间关系 |
| Scribble | 涂鸦 | 草图转精图 |
| Lineart | 线稿 | 线稿上色 |
| SoftEdge | 柔和边缘 | 柔和的边缘控制 |
| IP-Adapter | 图像风格 | 风格迁移 |
| Reference | 参考 | 角色一致性 |
5.4 ControlNet使用示例
姿态控制：
1. 准备一张人物姿态参考图
2. 展开ControlNet面板
3. 上传图片
4. 选择Preprocessor: openpose
5. 选择Model: control_v11p_sd15_openpose
6. 设置Control Weight: 0.8-1.0
7. 在Prompt中描述想要的画面
8. 生成
线稿上色：
1. 准备线稿图片
2. 选择Preprocessor: lineart_anime
3. 选择Model: control_v11p_sd15_lineart
4. 描述想要的颜色和风格
5. 生成
六、ComfyUI入门
6.1 为什么要学ComfyUI
ComfyUI vs WebUI：
WebUI：
├── 优点：简单易用，适合新手
├── 缺点：灵活性有限
└── 适合：日常使用
ComfyUI：
├── 优点：极度灵活，工作流可视化
├── 缺点：学习曲线陡峭
└── 适合：进阶用户、复杂工作流
趋势：ComfyUI正在成为主流
6.2 ComfyUI基本概念
核心概念：
节点（Node）：
├── 每个功能是一个节点
├── 节点之间连线传递数据
└── 类似于编程中的函数
工作流（Workflow）：
├── 节点连接形成工作流
├── 可以保存和分享
└── 可以实现复杂操作
常见节点：
├── Load Checkpoint：加载模型
├── CLIP Text Encode：编码提示词
├── KSampler：采样器
├── VAE Decode：解码图像
└── Save Image：保存图像
6.3 ComfyUI安装
安装步骤：
1. 下载ComfyUI
└── github.com/comfyanonymous/ComfyUI
2. 安装依赖
└── 运行安装脚本
3. 放入模型
└── 与WebUI类似的目录结构
4. 运行
└── 运行 main.py 或 run_nvidia_gpu.bat
6.4 第一个工作流
基础文生图工作流：
[Load Checkpoint] → [CLIP Text Encode (正向)]
→ [CLIP Text Encode (负向)]
↓
[Empty Latent Image] → [KSampler] → [VAE Decode] → [Save Image]
操作：
1. 右键添加节点
2. 连接节点
3. 设置参数
4. 点击Queue Prompt运行
七、常见问题与优化
7.1 显存不足解决
优化方法：
1. WebUI启动参数
└── 编辑webui-user.bat，添加：
--medvram 或 --lowvram
2. 减小图像尺寸
└── 512x512 → 后期放大
3. 减少批次
└── Batch size设为1
4. 使用xFormers
└── 启动参数添加 --xformers
5. 使用FP16精度
└── 默认已启用
7.2 生成速度优化
提速方法：
1. 使用更快的采样器
└── UniPC、DPM++ 2M
2. 减少步数
└── 20步通常足够
3. 启用注意力优化
└── --xformers
4. 使用Forge版WebUI
└── 默认优化更好
5. 关闭不需要的插件
└── 减少内存占用
7.3 常见报错
| 错误 | 原因 | 解决方法 |
|---|---|---|
| CUDA out of memory | 显存不足 | 减小尺寸/加--lowvram |
| 模型加载失败 | 模型损坏或路径错误 | 重新下载/检查路径 |
| 黑图 | VAE问题 | 选择正确的VAE |
| 生成卡住 | 各种原因 | 重启WebUI |
| 安装失败 | 网络/依赖问题 | 换源/手动安装依赖 |
本章小结
关键认知
1. 显卡12GB以上体验最佳，8GB勉强可用
2. 整合包是新手最快入门方式
3. 模型选择决定风格和质量
4. ControlNet是精确控制的关键
5. ComfyUI是进阶必学
6. 优化可以弥补硬件不足
快速配置清单
□ 确认显卡满足要求
□ 下载并安装WebUI（整合包或手动）
□ 下载1-2个常用模型
□ 安装ControlNet插件和模型
□ 下载负向Embedding
□ 设置合适的启动参数
□ 完成第一张图生成
行动清单
- 评估自己的硬件配置
- 选择安装方式并完成安装
- 下载一个写实模型和一个二次元模型
- 生成10张图片熟悉界面
- 尝试使用ControlNet控制姿态
- 了解ComfyUI的基本概念
下一章：12-AI绘画提示词工程
掌握了工具后，下一章将深入AI绘画的提示词工程——如何写出能精确控制画面的Prompt。