Stable Diffusion 入门基础

在急着下载软件之前，我总觉得花点时间了解下背后的“为什么”是值得的。这能帮你少走很多弯路，至少当图像效果不如意时，你知道该从哪个方向去思考，而不是盲目地乱调参数。

什么是Stable Diffusion？核心原理简介

简单来说，Stable Diffusion是一个能“听懂”你说话，然后“画出”你描述内容的AI模型。但它的工作方式很有趣，不是从无到有地“创造”，而是从一个充满随机噪点的画面开始，一步步“去除”噪声，最终让清晰的图像浮现出来。这个过程，专业上叫做“扩散”。

你可以把它想象成一块被雾气完全笼罩的玻璃。AI的任务，就是根据你的文字指令（比如“玻璃后面有一只猫”），一点点擦去雾气，让猫的轮廓越来越清晰。它之所以知道怎么擦，是因为在训练阶段“看”过了海量的图片和对应的文字描述，学会了其中的关联。有意思的是，这种“去噪”的过程赋予了它极大的灵活性，理论上可以组合出任何你能描述出来的东西。

本地部署与在线工具：选择适合你的运行方式

接下来就是个实际的选择题了：是把Stable Diffusion装在自己电脑上，还是直接用网上的工具？我个人两种都试过，感觉各有优劣。

本地部署，也就是安装像AUTOMATIC1111的WebUI这样的图形界面，最大的好处是自由。所有模型、插件都由你掌控，生成速度取决于你的显卡，而且完全免费（电费除外）。但缺点是对电脑配置，尤其是显卡有一定要求，初次安装配置可能会遇到点小麻烦。

在线工具则方便得多，打开网页就能用，完全不吃本地硬件。这对于只是想尝鲜，或者电脑配置不高的朋友来说非常友好。不过，它们通常有生成次数限制、需要排队，高级功能可能需要付费，而且你的创作可能会受到平台规则的限制。

我的建议是，如果你有一块还不错的NVIDIA显卡（比如RTX 3060及以上），并且打算长期、深入地玩下去，那么本地部署绝对是值得的。它带来的那种掌控感和探索的乐趣，是在线工具无法比拟的。

硬件要求与软件环境配置指南

说到硬件，这可能是新手遇到的第一个门槛。别担心，我们来看看具体需要什么。

最核心的是显卡（GPU）。NVIDIA的显卡是首选，因为Stable Diffusion主要依赖CUDA加速。显存是关键，6GB是能跑起来的入门线，8GB或以上会让你体验舒畅很多，能够尝试更高分辨率和更复杂的模型。至于CPU和内存，倒不是瓶颈，现代的主流配置基本都够用。

软件环境方面，你需要准备好Python和Git。不过，幸运的是，现在社区大神们已经把安装过程做得非常“一键化”了。像AUTOMATIC1111的WebUI安装脚本，会自动帮你处理大部分依赖。你只需要确保系统路径正确，以及有一个稳定的网络环境来下载必要的文件。记得留出至少10-20GB的硬盘空间，因为你会忍不住下载很多有趣的模型。

首次安装与基础设置

好了，理论准备就绪，是时候动手了。第一次安装可能会感觉步骤有点多，但请跟着我一步步来，其实就像搭积木，一块块放上去就好了。

步骤一：下载与安装Stable Diffusion WebUI

我强烈推荐从AUTOMATIC1111的WebUI开始，它几乎是社区的事实标准，功能最全，教程也最多。访问它的GitHub页面，你会找到一个简单的安装说明。对于Windows用户，通常就是下载一个叫“install.bat”的脚本，双击运行。

接下来，它会自动下载一堆东西，这个过程可能需要一些时间，取决于你的网速。泡杯茶，耐心等待就好。如果中间报错了，别慌，绝大多数问题在项目的Wiki或相关论坛里都能找到解决方案，通常是因为网络超时或者某个依赖没装上，重新运行脚本或者按照错误提示手动安装一下就行。

当命令行窗口最后出现一个本地网址（比如 http://127.0.0.1:7860）时，恭喜你，安装成功了！把这个网址复制到浏览器打开，你就能看到Stable Diffusion的操作界面了。

步骤二：获取并放置基础模型（Checkpoint）

安装好WebUI，就像有了一个空画架和调色板，但还没有颜料。这里的“颜料”就是基础模型，也叫大模型或Checkpoint。它决定了AI画画的整体风格和能力基础。

你需要自己去下载一个基础模型。比较知名和通用的入门选择有SD 1.5、SDXL或者一些优秀的融合模型。我刚开始用的是“ChilloutMix”，它是一个基于真人风格优化的模型，效果很细腻。你可以在Civitai、Hugging Face这类模型分享网站上找到它们。

下载下来的是一个很大的文件（通常几个GB），后缀是 .safetensors 或 .ckpt。然后，你只需要把它放到WebUI目录下的 `models/Stable-diffusion` 文件夹里。回到WebUI界面，刷新一下左上角的模型下拉列表，你刚放进去的模型就应该出现了，选择它，加载一下。瞧，现在你的AI画家就有“颜料”了。

步骤三：启动界面与基本参数认识

第一次打开WebUI界面，那些密密麻麻的按钮和滑块可能会让人有点发怵。别怕，我们先把最核心、最常用的几个找出来。

界面最上方两个最大的文本框，就是“提示词”和“负面提示词”的输入框，这是你和AI沟通的主要渠道。下面有“生成”按钮，点了它，魔法就开始了。

再往下看，你会看到“采样步数（Steps）”、“采样方法（Sampler）”、“宽度高度（Width/Height）”和“引导系数（CFG Scale）”这几个参数。刚开始，你可以先记住一套“安全”的配置：采样步数设20-30，采样方法用Euler a或DPM++ 2M Karras，CFG Scale用7-9，分辨率先设为512x512或512x768。用这套配置，大部分模型都能跑出不错的效果。

其他的选项，我们暂时可以不管。记住，先让东西跑起来，看到成果，才有动力去探索更复杂的部分。

核心功能详解与操作技巧

现在，画架、颜料、画笔都齐了，我们终于可以开始真正“创作”了。但怎么让AI画出我们想要的东西，而不是一堆奇怪的色块呢？这里的学问，主要就在“沟通”上。

提示词（Prompt）工程：写出精准的AI指令

提示词，就是你给AI下的“订单”。写得好，它给你端上美味佳肴；写得含糊，可能就上来一盘黑暗料理。根据我的经验，写提示词有几个小技巧。

首先，从主体开始，由主到次。先明确告诉AI你要画什么：一个女孩，一座城堡，一只机械龙。然后，再添加细节：女孩的头发是什么颜色、穿着什么衣服、在什么环境里、是什么表情、光线如何。你可以用逗号分隔这些元素。

其次，使用权重来强调。如果你觉得某个元素特别重要，可以用括号来增加它的权重，比如 `(beautiful detailed eyes:1.2)`。数字越大，AI在生成时就越关注这个点。

还有一点很有意思，加入风格和质量词汇。像“masterpiece, best quality, ultra detailed, photorealistic”这类词，能显著提升图像的精细度。而“oil painting, anime style, cyberpunk”则能直接定义画面的艺术风格。

这没有绝对公式，多试几次，你就能找到感觉。有时候，一个不经意加进去的词，会带来意想不到的惊喜效果。

负面提示词（Negative Prompt）的妙用

如果说提示词是告诉AI“我要什么”，那么负面提示词就是告诉它“我绝对不要什么”。这个功能非常强大，能有效过滤掉那些常见的瑕疵。

有一些“万能”的负面词，我几乎每次都会加上，比如 `lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry`。这一长串，主要就是为了避免出现畸形的手脚、低画质、水印文字这些通病。

更进一步，你还可以用它来微调风格。比如，你想画一个科幻场景，但不想画面太阴暗，就可以加上 `dark, gloomy`。想画真人但不想太像某个具体明星，也可以把名字放在负面词里。它像是一个精细的过滤器，让生成结果更贴近你的设想。

关键参数解析：采样步数、引导系数与分辨率

现在我们聊聊那几个关键的滑块。它们不像提示词那样直接参与“描述”，但却是控制生成“过程”和“力度”的旋钮。

采样步数（Steps）：可以理解为AI“思考”的细致程度。步数太少（比如10步），图像可能还没细化完，显得粗糙；步数太多（比如100步），细节可能会过度，而且生成时间巨长，收益却很小。20-30步是一个甜点区，兼顾质量和效率。

引导系数（CFG Scale）：这个参数控制AI对你提示词的“听话”程度。系数太低（比如3），AI自由发挥，可能完全偏离你的描述；系数太高（比如15），它会死死扣住你的每个词，但画面可能变得生硬、对比度过强。7-9是一个比较通用的范围，能让它在遵循指令和保持艺术感之间取得平衡。

分辨率（Width/Height）：这里有个坑需要注意。基础模型通常是在512x512或768x768的分辨率上训练的。如果你直接生成一个1920x1080的大图，AI很可能会画错——它可能在一个角落画一个人，在另一个角落又画一个人，导致画面结构崩坏。正确的做法是，先用基础分辨率生成满意的构图，再用我们后面会讲到的“高清修复”功能来放大。

不同采样器（Sampler）的选择与效果对比

采样器决定了AI在“去噪”过程中每一步的“走法”。不同的走法，速度、效果各有特点。

对于新手，我推荐两个：Euler a 和 DPM++ 2M Karras。Euler a 速度很快，创造力强，有时候会有些意想不到的构图，适合快速探索灵感。DPM++ 2M Karras 则更稳健、更准确，生成的细节通常更扎实，是我现在最常用的采样器之一。

其他的像DDIM更古老，LMS、Heun之类则各有侧重。说实话，你不需要记住所有采样器的区别。最好的办法就是，固定其他所有参数，只换采样器，对同一组提示词生成4-6张图，直观地看看它们之间的差异。这种亲身对比的体验，比看任何说明都来得直接。

生成高质量图像的进阶策略

当你已经能熟练地生成一张不错的图片后，可能会开始不满足：我想要更独特的风格，想要更高清的细节，想要完全控制人物的姿势……这时候，就该请出那些强大的进阶工具了。

利用LoRA与Embedding模型定制专属风格

大模型（Checkpoint）是基础风格，而LoRA和Embedding则是“微调插件”。它们文件很小，但能力专精。

LoRA 通常用于学习某种特定的画风、角色特征或物品概念。比如，你可以下载一个“宫崎骏动画风格”的LoRA，加载后，用很普通的提示词也能生成极具吉卜力味道的画面。或者一个“特定服装”的LoRA，让你的人物穿上非常精确的服饰。

Embedding（也叫Textual Inversion） 则更像是一个“关键词打包器”。它可以把一组复杂的风格效果，打包成一个简单的关键词。你在负面提示词里加入这个关键词，就能避免某种你不喜欢的风格；在正面提示词里加入，就能调用某种风格。

它们的用法很简单，下载后放入对应的 `models/Lora` 或 `embeddings` 文件夹，然后在提示词中用特定的语法调用即可，比如 ``。这让你不用更换大模型，就能拥有千变万化的风格库。

高清修复（Hires. fix）与放大技术

还记得前面说不要直接生成大图吗？高清修复就是解决这个问题的完美方案。它的逻辑是：先用低分辨率（如512x512）生成构图和基本内容，然后在这个基础上，像“精修”一样，补充细节并放大到高分辨率。

在WebUI里，勾选“Hires. fix”选项，你会看到一些新参数。“放大算法”推荐用R-ESRGAN 4x+或Latent系列，效果比较自然。“重绘幅度”建议设置在0.3-0.5之间，太低没效果，太高可能会改变原图的构图。高清修复会显著增加生成时间，但为了获得一张可以当壁纸的精细大图，这等待是绝对值得的。

图像到图像（Img2Img）的创意应用

这个功能打开了另一扇创意之门。它允许你上传一张现有的图片，让AI基于这张图进行“重绘”。

最关键的参数是“重绘幅度（Denoising strength）”。它控制AI“改动”的力度。设置为0，输出就是原图；设置为1，AI就完全自由发挥，可能得到一张和原图毫无关系的新图。通常设置在0.3-0.7之间，可以在保留原图大致构图和色彩的基础上，注入新的元素和风格。

你可以用它来修复老照片，给线稿上色和细化，甚至进行“风格迁移”——比如上传一张你的照片，提示词写“梵高星空风格”，就能得到一张你的梵高风格肖像画。它的玩法非常多，充满了实验的乐趣。

ControlNet插件：实现精准构图与控制

如果说之前的工具还让AI保有部分“随机性”，那么ControlNet就是给你一把精准的雕刻刀。它能让你完全控制人物的姿势、画面的线条、深度空间甚至色彩分布。

你需要单独安装ControlNet插件和对应的预处理器模型。安装好后，在Img2Img标签页下方就能找到它。它的工作原理是：你上传一张“控制图”，比如一张人体姿势草图、一张建筑线稿或一张景深图，然后选择对应的预处理器（如OpenPose for 姿势，Canny for 线稿，Depth for 深度）。

AI在生成时，就会严格遵循这张控制图所定义的骨骼、线条或空间关系。这对于角色设计、场景概念图、保持多张图片中角色一致性等需求来说，是革命性的工具。从“抽卡”式的随机生成，到“按图施工”的精准创作，ControlNet将你的控制力提升到了一个全新的层次。

常见问题解决与优化建议

玩得越深，遇到的问题可能也就越多。别担心，几乎所有坑都有人踩过。这里分享一些我遇到过的典型问题和解决思路。

图像模糊、扭曲等问题的排查与修复

如果生成的图总是糊糊的，或者人脸、手脚扭曲得不像话，我们可以按顺序检查以下几点。

首先，检查提示词和负面提示词。是否加入了“best quality, ultra detailed”这类质量词？负面词里是否包含了“blurry, bad anatomy, bad hands”？这是第一道防线。

其次，检查分辨率和采样步数。分辨率是否过高且没用Hires. fix？步数是否太低（少于20）？尝试调高步数，或启用Hires. fix用低分辨率先生成再放大。

然后，怀疑一下模型本身。有些模型本身训练数据或方法有问题，就容易出畸形。换一个口碑好的主流模型试试，如果问题消失，那就是模型的事。