Stable Diffusion 本地部署与出图指南
本教程旨在帮助零基础用户快速上手 Stable Diffusion（SD）本地版，掌握提示词编写、参数设置及图片生成的完整流程。内容基于 SDXL 架构进行演示，同时兼容 SD1.5 版本的基础操作逻辑。
一、环境准备与硬件要求
在使用 Stable Diffusion 之前，请确保您的电脑满足以下基础配置。本地运行 AI 绘画对显卡显存有一定要求。
- 显卡：NVIDIA GeForce RTX 系列推荐。
- SD1.5 版本：建议显存 4GB 以上，最低 2GB 可勉强运行但速度慢。
- SDXL 版本：建议显存 8GB 起步，6GB 显存可能需开启优化模式且速度较慢。
- 内存：建议 16GB 及以上。
- 存储：预留至少 50GB 空间用于模型文件。
- 软件：推荐使用整合包（如 WebUI），避免手动配置 Python 环境的复杂性。
注意：不同整合包的界面布局可能略有差异，但核心参数逻辑一致。
二、模型选择与管理
模型是决定生成风格和质量的核心。常见的模型类型包括 Checkpoint（大模型）、VAE（变分自编码器）和 LoRA（微调模型）。
1. 大模型（Checkpoint）
- 写实类：适合生成照片级人像或场景，如
xxmix9realisticsdxl_v10.safetensors。 - 二次元/古风类：适合动漫或特定艺术风格，如
SDXLRonghua_v30。 - 使用方法：将下载的
.safetensors文件放入models/Stable-diffusion目录，刷新界面即可在列表中选择。
2. VAE 设置
- 作用：影响图片的色彩还原度。
- SD1.5：通常需加载
vae-ft-mse-840000-ema-pruned.safetensors。 - SDXL：大多数 XL 模型已内置 VAE，无需额外选择，若色彩发灰可尝试加载通用 VAE。
三、提示词（Prompt）编写技巧
提示词分为正向提示词（Positive Prompt）和反向提示词（Negative Prompt）。
1. 正向提示词结构
建议采用 质量词 + 主体描述 + 环境/细节 + 风格修饰 的顺序。
- 通用质量词：
Best quality, realistic, photorealistic, masterpiece, extremely detailed CG unity 8k wallpaper, best illumination, best shadow, incredibly absurdres, looking at viewer - 主体示例：
A young girl wearing a red Song Dynasty silk tulle Hanfu sat in a luxurious room, with candle shadow and red makeup - 组合方式：将质量词与具体描述用逗号连接填入框内。
2. 反向提示词
用于排除不想要的元素，如低画质、畸形肢体等。
worst quality, low quality, illustration, 3d, 2d, painting, cartoons, sketch, tooth, open mouth, bad hand, bad fingers, bad body, long body, (fat:1.2), mutated, deformed, mutation, disconnected limbs, floating limbs, malformed limbs, missing limb, acnes, skin spots, skin blemishes, poorly drawn face, ugly, extra limb, disfigured, extra arms, mutated hands, poor ly drawn hands, malformed hands, bad feet, extra legs, logo, signature, watermark, text, cropped, bad proportions, blurry, low quality, out of focus, bad anatomy, username, sketches, lowres, normal quality, grayscale, worstquality, small breasts, flat chest, medium breasts, hanging breasts, unbuttoned clothes, NSFW
3. 权重调整
通过括号控制关键词权重：
(keyword)：权重 1.1((keyword))：权重 1.21[keyword]：权重 0.9
四、核心参数设置
正确的参数设置能显著提升出图效率和质量。
| 参数 | 说明 | 推荐值 |
|---|---|---|
| Steps (迭代步数) | 采样次数，越高越精细但耗时 | 30-50 |
| Sampler (采样器) | 算法选择，影响收敛速度 | DPM++ SDE Karras |
| CFG Scale | 提示词引导系数，过高易过饱和 | 7-10 |
| Seed (随机种子) | 控制随机性，固定种子可复现结果 | -1 (随机) |
| Width/Height | 图片分辨率 | 768x1024 (竖屏) |
注意：SDXL 默认分辨率通常为 1024x1024，SD1.5 常用 512x512 或 768x1024。
五、高分辨率修复（Hires. Fix）
当需要输出大图时，启用高分辨率修复可解决细节模糊问题。
- 勾选 Hires. fix 选项。
- Upscaler：选择放大算法，如
R-ESRGAN 4x+或Latent。 - Denoising strength：重绘幅度，建议 0.3-0.5，过高会改变原图内容。
- Upscale by：放大倍数，通常 2 倍。
六、常见问题与优化
1. 显存不足报错
- 解决方法：降低分辨率，使用
--medvram启动参数，或关闭 Hires. fix。
2. 人物手部畸形
- 原因：AI 对复杂肢体理解有限。
- 解决：增加负面提示词中的
bad hands,missing fingers；或使用 Inpainting 局部重绘修复。
3. 画面过暗或过亮
- 调整 CFG Scale 至 7 左右。
- 检查正向提示词是否包含光照相关词汇（如
bright lighting,cinematic lighting）。
七、总结
Stable Diffusion 的学习曲线较为平缓，关键在于多尝试不同的提示词组合与参数搭配。建议初学者先使用预设的高质量模型，熟悉界面后再逐步探索 LoRA 和 ControlNet 等高级功能。随着对工具理解的加深，您将能够更高效地利用 AI 辅助创作。
本文档仅作为技术参考，不涉及任何商业推广或会员引导信息。