Stable Diffusion WebUI 本地部署与使用指南
在尝试过多种安装方式后，对于大多数用户而言，使用预配置的整合包是最高效的入门路径。手动搭建环境涉及 Python 版本、依赖库、运行库等繁琐步骤，任何环节出错都可能导致长时间调试。而整合包将 Stable Diffusion WebUI、模型管理、插件及运行环境打包在一起，解压即用，大幅降低了技术门槛。
系统环境与硬件要求
目前主流整合包主要针对 Windows 系统设计，解压后直接运行，无需管理员权限，也不会修改系统环境变量。
硬件方面建议如下：
- 显卡：支持 CUDA 的 NVIDIA 显卡体验最佳。
- 显存：显存越大，生成高分辨率图片越稳定。
- 无独显：虽可运行 CPU 模式，但速度较慢，仅适合测试。
部署与启动流程
下载整合包压缩包后，建议放置在非中文路径的根目录下（如 D 盘），避免脚本解析路径时出现异常。解压后主目录通常包含 webui、models、环境文件及启动脚本。
双击运行'启动 WebUI'脚本（通常为 .bat 文件），命令行窗口会自动加载环境。等待终端输出 http://127.0.0.1:7860 链接后，即可在浏览器中访问界面。首次启动可能需要较长时间加载模型，后续启动速度会显著提升。
模型管理与目录结构
整合包已预设好标准目录结构，无需手动创建。常见模型存放路径如下：
stable-diffusion-webui\models\Stable-diffusion
将 .ckpt 或 .safetensors 格式的主模型放入该目录，重启 WebUI 后选择栏即会自动更新。其他组件路径同样规范：
- LoRA:
models\Lora - VAE:
models\VAE
核心功能实战
文生图 (txt2img)
这是最基础的功能。主要参数包括正面提示词、负面提示词、分辨率、采样方法、步数及 CFG 值。默认设置通常能满足大部分需求，生成后可直接保存或微调。
图生图 (img2img)
基于现有图片进行风格迁移或细节调整。通过调节重绘幅度（Denoising strength），通常在 0.3~0.7 之间，可以控制图像变化的程度。
插件扩展
整合包通常预装了常用插件，如 ControlNet、Tagger 等。
- ControlNet：支持线稿、姿态、深度图等控制，能大幅提高生成内容的可控性。例如指定人物姿势或场景透视。
- Lora 管理：在提示词中使用
<lora:模型名：权重>语法调用，权重设为 0.6 左右较为常见。
常见问题排查
- 启动闪退：检查路径是否包含中文或过长，建议缩短至简短英文路径。
- 显存不足：启用低显存模式（如添加
--medvram参数）或降低生成尺寸。 - 端口占用：若 7860 端口被占用，可通过
--port 7861修改启动端口。 - 模型不显示：确认文件扩展名正确且存放于对应目录。
总结
对于希望快速体验 Stable Diffusion 生成能力的用户，预配置整合包是理想选择。它屏蔽了底层环境配置的复杂性，让用户专注于模型调优与内容创作。相比手动安装，这种方式更利于长期维护，避免因系统更新导致的依赖冲突问题。
