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：25
- CFG：7
- 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。
