Stable Diffusion 本地部署：零基础入门教程

引言

在人工智能图像生成领域，Stable Diffusion 无疑是一颗璀璨的明星。作为一款开源的文本到图像生成模型，它让普通人也能通过简单的文字描述，创造出令人惊叹的视觉作品。然而，对于许多刚入门的用户来说，云端服务虽然便捷，但往往受限于网络延迟、隐私顾虑和生成次数限制。幸运的是，Stable Diffusion 的本地部署为我们提供了一条完全自主、无限创作的路径。

本文将手把手带你完成 Stable Diffusion 的本地部署，即使你没有任何编程基础，也能在半小时内让这款强大的工具运行在自己的电脑上。我们将从硬件要求开始，逐步讲解环境搭建、模型下载、界面配置以及基础使用技巧，确保你能够顺利上手并开始创作。

第一部分：准备工作——硬件与软件需求

硬件要求

在开始之前，我们需要确认你的电脑是否满足 Stable Diffusion 的运行条件。虽然模型对硬件有一定要求，但并非高不可攀。

最低配置（勉强运行）

• 显卡：NVIDIA GTX 1050Ti 或同等性能的显卡（4GB 显存）
• 内存：8GB RAM
• 硬盘空间：至少 20GB 可用空间（用于模型文件和依赖库）
• 操作系统：Windows 10/11 或 Linux（Ubuntu 推荐）

推荐配置（流畅体验）

• 显卡：NVIDIA RTX 2060 或更高（6GB 或以上显存）
• 内存：16GB RAM
• 硬盘空间：50GB 以上（建议使用 SSD）
• 操作系统：Windows 11 或 Ubuntu 22.04

注意：Stable Diffusion 目前对 AMD 显卡的支持有限，虽然可以通过 ROCm 或 DirectML 尝试，但体验远不及 NVIDIA。如果你使用的是 Mac 电脑（M1/M2 芯片），也可以尝试，但需要额外配置。

软件准备

本地部署 Stable Diffusion 的核心是使用名为 Stable Diffusion WebUI 的开源项目，它由 AUTOMATIC1111 开发，提供了友好的图形界面。我们需要提前安装以下软件：

1. Python 3.10.6：这是最稳定的版本，其他版本可能导致兼容性问题
2. Git：用于下载代码仓库
3. 显卡驱动：确保你的 NVIDIA 驱动更新到最新版本（推荐 530 系列以上）

第二部分：环境搭建——一步步安装

步骤一：安装基础软件

1. 安装 Python 3.10.6

• 访问 Python 官方网站（python.org），下载 Python 3.10.6 版本
• 安装时务必勾选 “Add Python to PATH” 选项
• 安装完成后，打开命令提示符（Win+R 输入 cmd），输入 python --version 确认安装成功

2. 安装 Git

• 访问 git-scm.com，下载 Windows 版本
• 安装时保持默认选项即可
• 安装完成后，在命令提示符中输入 git --version 验证

步骤二：下载 Stable Diffusion WebUI

1. 打开命令提示符，切换到你想要存放项目的位置（例如 D:\AI）

2. 输入以下命令克隆项目：

   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

3. 等待下载完成，你会看到 stable-diffusion-webui 文件夹

步骤三：下载模型文件

Stable Diffusion 本身是一个模型，需要单独下载。最常用的基础模型是 Stable Diffusion v1.5 或 v2.1。

1. 访问 Hugging Face 模型库（huggingface.co）
2. 搜索 Stable Diffusion v1.5，找到 v1-5-pruned-emaonly.safetensors 文件
3. 下载该文件（约 4GB），将其放入 stable-diffusion-webui/models/Stable-diffusion/ 目录下

小贴士：如果你有百度网盘会员，可以在国内社区找到模型文件的网盘链接，下载速度会更快。

步骤四：首次启动

1. 进入 stable-diffusion-webui 文件夹，找到 webui-user.bat 文件
2. 双击运行，系统会自动下载所有依赖库（第一次启动需要较长时间，约 10-30 分钟，取决于网络速度）

3. 当看到以下输出时，表示启动成功：

   Running on local URL:  http://127.0.0.1:7860

4. 打开浏览器，访问 http://127.0.0.1:7860，即可看到 WebUI 界面

第三部分：界面介绍与基础设置

认识主界面

成功启动后，你会看到 WebUI 的主界面，主要包含以下几个区域：

• 模型选择区：左上角可以切换已下载的模型
• 提示词输入框：分为正向提示词（描述你想要的画面）和负向提示词（描述你不想要的元素）
• 生成参数区：包括采样步数、采样方法、图片尺寸等
• 生成按钮：点击后开始生成
• 输出区：显示生成的图片

关键参数说明

对于初学者，理解以下参数至关重要：

第四部分：实战演练——生成你的第一张图片

编写提示词

假设我们要生成一张“在星空下，一只穿着宇航服的猫站在月球上”的图片，我们可以这样写：

正向提示词：

a cat wearing a spacesuit standing on the moon, starry sky background, photorealistic, high detail, cinematic lighting, 8k

负向提示词：

blurry, low quality, ugly, deformed, bad anatomy, watermark, text

调整参数

• 采样步数：25
• 采样方法：Euler a（适合新手，速度较快）
• CFG Scale：7
• 图片尺寸：512x512

点击生成

点击“Generate”按钮，等待约 10-30 秒（取决于显卡性能），你就能看到生成的图片了。如果效果不理想，可以调整提示词或参数重新生成。

第五部分：进阶技巧与常见问题

常用扩展插件

Stable Diffusion WebUI 支持丰富的扩展，以下是最实用的几个：

1. ControlNet：通过额外条件控制生成（如姿态、边缘检测）
2. Image Browser：方便管理和浏览生成的历史图片
3. Prompt Generator：帮助生成更丰富的提示词
4. Tagger：反向识别图片对应的提示词

安装方法：在 WebUI 的“Extensions”选项卡中，点击“Available”并搜索安装。

常见问题解答

Q1：启动时出现“CUDA out of memory”错误

解决方案：降低图片尺寸或减少 batch size，也可以尝试使用 --medvram 或 --lowvram 参数启动（修改 webui-user.bat 中的 COMMANDLINE_ARGS）

Q2：生成速度很慢

解决方案：检查是否使用 GPU 运行（在设置中查看设备信息），或者升级显卡驱动

Q3：下载模型速度太慢

解决方案：使用国内镜像源，或从百度网盘等渠道下载后手动放置

Q4：生成的图片效果差

解决方案：优化提示词，增加细节描述；尝试不同的采样方法（如 DPM++ 2M Karras）；使用高质量的模型（如 Realistic Vision）

第六部分：安全与隐私注意事项

本地部署最大的优势之一就是隐私保护。所有生成过程都在本地完成，不会上传任何数据。但请注意：

1. 模型来源：只从官方或可信渠道下载模型，避免恶意修改的版本
2. 系统安全：保持 Python 和依赖库的更新，避免已知漏洞
3. 内容合规：虽然本地生成不受限制，但请遵守当地法律法规，不生成违法内容

总结

通过本文的指导，你已经学会了如何从零开始在本地部署 Stable Diffusion。整个过程虽然涉及一些技术步骤，但只要按照指南操作，即使是零基础的用户也能顺利完成。

本地部署带来的不仅是无限的生成次数和更快的响应速度，更重要的是，你完全掌控了自己的创作环境和数据隐私。从今天开始，你可以自由地探索 AI 图像生成的无限可能——无论是为小说配图、设计概念艺术，还是单纯地释放想象力。

记住，优秀的提示词是好的开始，但真正的进步来自于不断的尝试和调整。不要害怕失败，每一张不完美的图片都是通往杰作的阶梯。现在，打开你的 WebUI，开始创作吧！

本文基于 Stable Diffusion WebUI v1.6.0 版本编写，后续版本可能有界面变化，但核心步骤保持不变。如果你在部署过程中遇到问题，欢迎查阅 GitHub 项目的官方文档或加入社区讨论。