没接触过 Stable Diffusion 之前我也以为 AI 绘画就是随便输入一句话然后看它自动吐图。真上手之后才发现这套东西更像是一门“参数控制”的手艺同样一句提示词模型选错、采样器选错、步数设低了出来的画面能差出一个次元。所以这篇基础教程我不想跟你罗列一堆按钮而是把从安装到实战的整个思路捋清楚讲明白每一个关键参数到底在干什么以及遇到问题时应该从哪里开始排查。这篇内容适合三类人完全没接触过 AI 绘画的新手、用过在线绘图工具但想本地折腾的人以及打算把 AI 绘画正式纳入自己设计工作流的创作者。坦白说本地部署这套工具的门槛比在线服务高一点但换来的可控性和自由程度是值得的。没有次数限制没有审核风格限制模型随便换插件随便装甚至可以把生成的图再拉回流程序做二次加工。这篇教程我会按照正常上手顺序来写先是环境准备再讲核心参数然后走一遍完整的出图流程最后把常见问题整理成速查清单。你跟着一步步来大概率一个晚上就能跑通并且能理解自己每一步在做什么。1. 先把环境“喂饱”硬件、前端和安装策略1.1 简单评估硬件水平Stable Diffusion 这套工具最核心的开销在显卡也就是 GPU 显存。它所有的图像生成实际上都在做大量的矩阵运算CPU 转不动显卡才是重点。你不需要买一张天价卡也能玩但显存至少要有一定的容量。我给个粗略的判断标准6GB 显存能跑出大多数 512×512 和 768×512 的图勉强能训练部分小模型速度慢一点但可用。8GB 到 12GB 显存比较舒服的范围日常绘图、局部重绘、放大处理都能流畅操作。16GB 及以上可以玩更吃配置的大模型还能同时挂更多插件出图速度也更快。如果你的电脑本身是轻薄本或者只有核显也别急着放弃还有两条路一是用在线服务二是租用云端 GPU。但如果是想认真把它变成日常工具还是建议本地有一张入门级显卡。内存方面最好 16GB 起步32GB 更稳因为等到跑大模型或者处理放大工序时内存不够也会异常退出。提示判断显存是否够用不需要看显卡后缀名字有多好看直接在任务管理器里看“专用 GPU 内存”那一栏那个数字基本就是结论。1.2 前端工具选型先用哪个后换哪个“Stable Diffusion”本身是一套底层算法真正让你操作的是各种前端界面。目前最常见的是两种WebUI 和 ComfyUI。如果你第一次接触我的建议是从 WebUI 入手。它把所有参数都摊开在网页界面上滑块、输入框一目了然适合建立直觉ComfyUI 则是节点式工作流用连线把各个处理模块串起来可定制性高、效率高但入门曲线陡峭适合你玩了一两周之后再考虑切换。前端工具本质上是在调用同一条底层链路换前端不会让画质本质提升真正影响结果的是模型和参数所以不用被工具选择折磨先用顺手的那一个。1.3 安装步骤别手动跑全程用集成包安装这件事劝你不要手动一步步去折腾。这个项目依赖的组件非常多手动配置容易在环境变量上耗费几个小时且没有实际回报。正常做法是使用社区常见的一键整合包。下载整合包之后把它解压到空间充足的硬盘上然后运行启动脚本。启动脚本会自动把必要的依赖检查一遍然后启动本地服务成功后浏览器会自动弹出一个网页界面。整个过程核心就三步解压、启动、等浏览器弹出。如果启动后浏览器没自动打开就手动在浏览器输入启动界面提示的本地地址。正常情况下默认地址是 127.0.0.1 加一个端口号。进入界面之后找一个文本框输入一段形容画面的文字点击生成如果电脑吱吱开始高速运转几十秒后旁边出现一张图恭喜你环境已通。1.4 本地部署的稳定技巧跑通第一次出图后别急着调整高级功能先做好两个工作后面能省掉无数麻烦。第一确认模型存放目录。刚装好的工具只带一个最基本的官方模型如果你从网上另外下载模型文件一定要放到指定目录也就是 models/Stable-diffusion 这个文件夹。放错位置界面里就看不到新模型。第二养成保存启动日志的习惯。终端里刷新的那些内容看似像乱码其实记录了每一步的资源和错误信息后面一旦出问题日志中的报错段就是排查的开始。2. 核心概念模型文件、采样器、CFG 和种子2.1 模型文件决定了“画风的天花板”模型文件可以理解成 AI 的“大脑状态”。同一个工具换一个模型出图风格可能完全不一样有的偏向写实照片有的偏向二次元插画还有的相对综合。下载模型时要注意文件格式。主流格式是扩展名为 ckpt 或 safetensors同一套模型可能会同时有这两种格式效果基本等价但优先使用 safetensors 格式因为它更安全不会执行附加代码。这个主模型文件其实是整个 AI 绘画中最影响结果的单一因素比提示词还要重要。同一个提示词在不同模型里给出的结果差别可能很大。所以新手入门时不用整天换模型先挑一个自己顺眼的模型把参数和提示词的技术练熟再谈多样性。除了主模型你还会在社区里看到另一个文件类型叫 LoRA。LoRA 体积很小作用是给画风或角色加特化控制比如某种特定服装、某个风格的手部姿态。它相当于给模型追加一个小插件不影响主模型又能微调结果。2.2 采样器别被名字吓住理解两个才是关键采样器名字多到让人头大Euler、DPM、DDIM、SDE……对新手的建议是暂时忽略大部分记住两种表现稳定、普适性强的选择Euler a 和 DPM 2M。可以从“做菜方式”来理解采样器负责从一堆像素噪声中一步步“去噪”一步步还原成清晰图像。不同采样器就是不同的去噪路径有的路走得快、有的走得更细腻。Euler a 的优势是从早期草图慢慢演变容易保留更多结构DPM 2M 在写实风格上通常细节更加锐利。实际操作时同一提示词换不同采样器结果差别肉眼可见。所以当你得到一张比较满意的图想复现时采样器也得保持一致。2.3 步数调太少噪点多调太多浪费算力步数也就是迭代步数是 AI 从纯噪声逐步重绘成图形的次数。最直观的表现步数太少图像模糊、阴影脏、细节不成立步数太多画质不会继续变好反而显存和时间都白搭。常用区间是 20 到 30 步。具体最佳值和你选的采样器有关。我的经验是写实风格经常在 25 步左右稳定二次元风格配合部分模型反而在 20 步左右更容易出清爽画面。测试时把步数从 10 逐步加到 30观察画面从模糊到细腻的变化找到不再明显变好的临界点那就是你这套配置的最佳步数。注意步数不是越多越好很多人堆到 60 步以上出来的图并没有比 30 步更好反而多等了几倍时间。2.4 CFG 和种子一个控制听话一个控制随机CFG中文常叫提示词相关度控制的是画面跟随提示词的程度。数值越低AI 越“自由发挥”可能跑题数值越高AI 越紧贴提示词但太高时画面容易生硬、颜色过艳甚至出现噪点。新手建议从 7 开始然后上下微调。画面跑题就往高了调觉得画面僵硬就往低了调。绝大多数情况下在 5 到 10 之间都能找到合适的值。种子决定了生成的初始噪声状态。每次生成时如果不固定种子工具会随机产生一个新值这也是两次输入相同提示词结果不同的原因。想稳定复现某张图把种子值固定下来即可。这个数值没有好坏之分纯粹是控制变量用的有些种子生成的构图天然更适合调整试着换种子比猛改提示词更快出效果。3. 提示词实战写清需求搭建输入框架3.1 提示词不是作文而是标签很多人初学提示词总想写一句完整的英文句子比如“请画一张女孩在森林里看书的图”结果模型往往不买账。SD 对提示词的解析更接近标签匹配它会拆成一个个关键词再理解和组合。高效的提示词写法是“堆叠具象的词”用逗号隔开。比如简洁版best quality, a girl, reading a book, in the forest, sunlight完整版masterpiece, best quality, 1girl, looking at viewer, reading book, forest, sunlight, depth of field把画面主体、动作、环境、氛围、画质限定词都拆开模型就更清楚你要什么。至于画质词你可以常备几个固定搭配比如 masterpiece, best quality放在提示词开头相当于整体拉高画面质感。3.2 用权重控制影响力度不是所有提示词对画面的影响都一样大如果想重点强调某个元素可以在关键词后加半角圆括号和数字。比如(sunset: 1.3) 表示把落日的权重提高到 1.3 倍(clouds: 0.8) 表示减少云层的影响权重高于 1 会加强该元素的存在感和细节低于 1 则削弱。这个功能特别适合修正画面比如你明明写了头发颜色模型却老画错这时把你的头发描述词设为 1.2 或 1.3 倍权重往往比反复改写提示词更有效。3.3 反向提示词跟模型强调别画什么除了正面提示词还有一个非常重要的输入框叫反向提示词。这里用来写你不希望在画面里出现的元素比如模糊、畸形、多余肢体、水印、低质量等。常规的反向词模板可以覆盖大多数萌新需求bad anatomy, bad hands, extra digits, missing fingers, deformed, blurry, low quality, watermark反向提示词虽然只是“负向约束”但合理利用能明显改善那种容易出现六根手指或残影烂背景的情况。这也是很多新手觉得别人出图干净自己出图脏乱的原因之一。3.4 提示词与实际效果的关系提示词给定了“语义框架”但真正定生死的是模型对语义的理解能力。基础模型理解的词汇比较有限换了社区大模型之后词汇理解范围会急速扩张能识别很多风格词汇和专有名词。所以如果发现明明写了某个概念出图却完全看不出相关元素不一定是你写错了。先更换一个理解能力更强的模型再检查你的提示词里是不是用了生僻或过于抽象的词汇。偶尔结果跑偏也不要急于否定整个流程多跑几次对比效果更重要。4. 完整实操从空白到成品图的标准流程4.1 第一步明确主题建立提示词基线做图前先花几十秒想一个问题这张图的主体是什么画面里希望的氛围是怎样的把答案拆成几个关键词。比如我想生成一张向草帽女孩在麦田里吹风的插画风格图我会先写masterpiece, best quality, 1girl, straw hat, wheat field, wind, summer, upper body, looking at viewer这些词已经覆盖了主体、环境、氛围。作为初学者先别急着写上百个词从 8 到 15 个基础词开始观察模型给出的反馈再逐步添加细节。盲目的叠加关键词反而可能让画面元素过多互相干扰。4.2 第二步用一个固定的“参数模板”起步第一次调试参数时不必每次都从头设置我建议固定一套常用模板作为起跑线采样器DPM 2M步数25CFG7尺寸768×512 或 512×512种子随机用这套模板先跑出第一张图。得到的画面可能不完美但至少能作为判断基准。如果画面乱说明提示词或模型问题如果画面脏说明反向提示词和步数问题。没有基准你根本没法判断该调哪个变量。4.3 第三步做一个变量其余全部不动这是最核心的调试习惯一次只改一个变量。比如先改采样器看画面风格变化再改步数看清晰度变化然后把 CFG 从 7 调到 9看主体会不会变形。为什么这么强调一次只动一个变量因为画面结果受到太多因素共同影响你同时改步数和 CFG出了问题无法定位到具体原因出了好效果也没法复现。这就是“控制变量法”。4.4 第四步固定入种子微调文字细节当你对画面大致满意只是某些细节不对比如人物衣服颜色、背景里某个物体位置这时就不需要重新随机乱试了。把种子固定下来然后微调文字描述。比如原本没写服装现在想补成红色连衣裙就在提示词里加入 red dress或者在权重上做调整。固定种子的情况下模型的整体构图基本不变但你补充的文字会替代部分原特征这样能更精准地改动画面而不是掷骰子重新来一遍。4.5 第五步放大画质走出低分辨率瓶颈刚生成的图默认只有 512×512 左右直接当头像或看小图还行要放大了当壁纸或印刷就需要放大。你可以把它先送到图生图或重绘模块再做高清放大。常用做法是利用附加功能里的放大脚本把尺寸放大到 2 倍甚至更高。放大后注意权衡放大倍数越高耗时越长还可能因为过度锐化出现“塑料感”。放大 1.5 到 2 倍对大多数画面来说已经是安全的甜点区。5. 图生图、局部重绘与风格控制5.1 图生图让一张图基于另一张图演变如果文字生成图像是“从零到一”那么图生图就是“从有到优”。图生图模式下你可以上传一张草稿、线稿或真实照片然后输入提示词让模型基于这张图进行重新绘制。新手最容易把图生图理解成“滤镜”实际上它的核心逻辑是在保留原图结构的同时替画面换一层风格或修复细节。这个过程中有一个重要参数叫“重绘幅度”数值越低结果越接近原图数值越高变化越大甚至完全重画。想做风格迁移时图生图是很高效的起点。比如你手头有一张粗糙的铅笔画想让模型把它变成油画画风你可以上传草图写清想要的风格词然后把重绘幅度控制在 0.4 到 0.6 之间让它保留原图的轮廓又赋予新的材质和色彩。5.2 局部重绘精准修补某个区域图生图模块下的局部重绘是一个特别好用的功能。它会用蒙版遮住你想修改的局部区域只让模型重画那一块其他区域保持原样相当于给画面做“定点手术”。实操步骤很简单用画笔在想要修改的区域涂上遮罩再输入你期望的新描述比如想修掉画面里的树就把树的位置涂住提示词写清楚当前画面应该出现的内容。调整重绘幅度时注意遮罩范围越大对新内容的控制力越弱具体数值需要在不同场景下反复尝试。5.3 LoRA 和其他控制组件当你对基础出图能力逐渐掌控后可以开始接触 LoRA 和更高级的控制手段。LoRA 通常用于固定角色形象、特定服饰或某类画风每次只挂一个 LoRA 时效果稳定挂多个时则需要调整插件权重否则画面元素会互相打架。另一类常用的辅助插件则是“姿态控制”类型可以让画面中的人物结构严格遵循给定骨骼姿势。这类工具适合画全身像、动作复杂的场景会大量减少歪手歪脚和关节错位的概率。初次使用时不要贪多先把它接入你的自动化流程测试一两张站立姿态图慢慢再拓展玩法。6. 常见问题与避坑清单6.1 显卡总是崩溃或提示显存不足遇到这类问题最简单的路是降低 batch size也就是减少“一次生成几张图”的设定直接设为 1。同时把生成图的分辨率先降到 512×512 跑通流程再逐步增加。再者尽量关闭其他高耗显存的应用浏览器也不要开太多标签页。某些前端界面还提供显存优化参数若卡顿严重可以临时切换成省内存模式。平时我建议只要不是专门跑大测试显存需求就按 6GB 起步去规划优化空间始终是有限的。6.2 画面灰蒙蒙或色彩脏这大概率是模型加载时没有挂载 VAE 文件或者 CFG 设置偏高。VAE 负责把模型的颜色空间还原到肉眼可接受的范围如果缺失画面常出现灰白效果。检查模型选项旁是否有 VAE 下拉框若有就选一个正确版本或者直接在设置里预留 VAE 路径。调 CFG 的颠簸也很常见CFG 太高饱和度容易溢出画面显得像过度后期适当降到 6 到 7 之间颜色会自然很多。如果问题依旧请检查反向提示词里有没有把饱和度词写成了限定或者把画面风格词写得过于极端。6.3 明明点了固定种子画面仍然变化很大有两个原因需要检查。其一你没有完全固定所有参数比如换模型、换采样器或换尺寸都会让种子“失效”因为种子只在当前配置下对应特定噪声路径。其二某些插件本身带有随机性比如局部重绘中使用边缘羽化时每次计算都会引入细微变化。所以我通常建议真正要复现一张图时不仅记下种子还要记录整个参数面板的关键信息。日志里通常会自动生成完整参数串复制保存下来下次直接粘回提示词栏作为复现依据。6.4 下载的模型文件无法加载或直接报错检查扩展名是否被系统伪装成其他格式正规模型文件以 ckpt 或 safetensors 结尾如果多次下载都失败可能是文件下载过程中截断或损坏重新下载并核对文件完整性即可。另外我必须特别提醒模型来源一定要选择知名模型分享平台或站点。AI 绘画领域的模型文件本质上是可执行代码的一种变体来源不明的文件可能包含恶意脚本。不要为了贪图好看效果从私人网盘或不知名的小组里下载文件预算安全比省几分钟更重要。6.5 教程学习中常见的三个心态误区第一总想一次把参数调到位遇到稍微不理想的结果就推翻重来。其实生成是一个概率过程给同一套参数多跑几次往往会有更好的构图。第二过度追求换模型往往同一个模型还没摸透就换新模型结果每种画风都只会瞎试。第三只抄别人的“配方”不懂原理参数一旦发生变化就不知道如何调整。我自己的体会是AI 绘画入门最有价值的不是能生成多少张图而是建立起一套自己的“调试直觉”——看到发灰知道该查 VAE看到手指变形知道该加反向词看到构图乱知道该简化提示词。能自己诊断和解决问题才算是真正把这个工具用起来了。最后再分享一个小技巧每次出图后可以截图整个参数面板待整理进自己的笔记尤其是那些自己随手调出来的满意画面。久而久之你会积累一份属于自己的“参数配方库”远比到处收藏别人的成品图实用。
