一次糟糕的尝试，让我重新认识了它

几个月前，朋友发来一张赛博朋克风格的头像，我随口说：「这AI画的吧？」结果他甩给我一个链接，让我自己试试。我下载了某个一键安装包，输入「cat」，出来的不仅是猫，还带了一堆莫名其妙的噪点和畸变肢体。当时我的结论是：「这玩意儿吹得过了，根本不可用。」直到后来我才意识到，不是工具不行，是我完全不懂它的「脾气」。今天这篇指南，就是写给像当初的我一样，刚接触 Stable Diffusion WebUI，看到满屏英文参数就头大，试了几张图就想删软件的零基础朋友。

Stable Diffusion（简称SD）目前最主流的免费本地绘画方案是 AUTOMATIC1111 开发的 WebUI，开源且持续更新。我目前使用的版本是 1.9.4，在 Win11 + RTX 4070Ti 12GB 显存的机器上跑得相对舒服。如果你显卡显存低于 4GB，建议先别折腾本地部署，可以直接用别人做好的在线整合站，或者考虑用 8GB 以上显存的机器。先说结论：SD 入门并不难，难的是你愿不愿意花一晚上去弄懂「大模型（Checkpoint）」「采样器」「提示词」这三个词的含义。

安装与准备：别下载错了整合包

本地安装 SD 是很多新人的第一道坎，但其实只要思路清晰，五分钟就能搞定。我个人推荐秋叶整合包（在B站搜「秋叶 Stable Diffusion 整合包」），它免去了 Python 环境和 Git 的配置过程，解压就能用。我用的版本是 v4.9，内置了常用插件和汉化包，文件大小 12GB 左右。另一个官方做法是手动部署，需要安装 Python 3.10.6（不是最新版，3.11 和 3.12 都有兼容问题），然后 git clone 官方仓库，再安装 PyTorch CUDA 版本的依赖。这个流程对没有命令行经验的新手并不友好，我第一次配环境就花了两个多小时，而用整合包只花了十分钟。

安装完之后，你会看到一个启动脚本，双击后会弹出一个黑窗口，第一次运行需要加载模型。此时系统会自动下载一个约 4GB 的原始模型 sd_xl_base 或 v1-5-pruned-emaonly.safetensors。建议直接去 Hugging Face 或国内镜像站（如 hf-mirror.com）下载更优质的模型。模型下载后放到 `/models/Stable-diffusion/` 文件夹里。至于浏览器界面，本地启动后地址通常是 http://127.0.0.1:7860，输入到地址栏即可打开 WebUI。这时候你可能看到密密麻麻的英文标签页，别慌，汉化插件和「设置 - 用户界面 - 本地化」里切换语言后，就顺手多了。

最后补充一个关键技巧：如果你使用 NVIDIA 显卡，请确保驱动更新到较新版本，否则极其容易报「CUDA out of memory」。我一开始没有更新驱动，512x512 分辨率的图跑到一半就崩，更新驱动后 1024x1024 也没问题。安装完成后，你应该能在「文生图」标签页里成功从「prompt」里生成第一张图——哪怕它是歪瓜裂枣的土豆。这就意味着你的环境已经跑通了。紧接着进入下一关：让画面变好看。

核心概念一分钟搞懂：模型决定上限

零基础用户最容易犯的错误，是把 SD 当成一个固定的工具——不是的。SD 更像一个发动机，它需要搭配不同的「模型」才能发挥不同风格。在 WebUI 左上角「Stable Diffusion 检查点」里选择的就是大模型。原版 SD 1.5 模型画出来的人像偏油腻，层次也不理想，而社区微调过的模型则像是开了美颜滤镜。我本人经常用的是 Realistic Vision V6.0 和 ChilloutMix，前者适合欧美风格写实，后者适合亚洲人像。国产模型 墨幽人造人 和 麦橘 也做得非常好，在 C 站（Civitai）上可以直接下载。模型文件大小一般是 2GB 到 7GB 不等，下载后重启 WebUI 或点击模型旁刷新按钮即可生效。

选好底模后，第二关键的是「正负面提示词」。正面提示词描述你想要的画面，负面提示词（Negative Prompt）则排除你不想要的东西。比如我生成一张「穿着雨衣站在东京街头拿透明伞的女孩」，正面可以写 masterpiece, best quality,1girl, looking at viewer, modern city, night, rain, wet street；负面则必须写 lowres, bad anatomy, bad hands, extra fingers, blurry, watermark。这两个提示词看起来简单，但排列顺序也有讲究——越靠前的权重越高。你也可以用括号提高权重，比如 (masterpiece:1.2) 表示把该词权重提升 20%。这是 SD 最基础的「控制感」来源，掌握好权重，你就能把陌生人拍成封面模特。

这里我想要特别说一句：不要为了追求「一键成片」去下载那种十几个自定义模型叠加的「整合包」。很多整合包只是把插件堆砌在一起，反而让你更看不懂画面是怎么来的。老老实实从一个好底模加基本提示词开始，反而更高效。

五个关键参数：告别抽卡式出图

很多初学者生成的图全凭运气，甚至有人以为 SD 真的只能「抽卡」。其实画面效果是可以被精确控制的。五个关键参数，你必须知道：

第一个是采样器（Sampler）。这个名词看上去很深奥，不过你只需要记住几个常用名字：DPM++ 2M Karras、Euler a、DPM++ SDE Karras。我目前用得最多的是 DPM++ 2M Karras，它生成速度快，细节平衡好。在 SD 1.5 模型下通常 20 步就够用了，SDXL 模型建议 25-30 步。步数太高不会更清晰，只会让速度变慢，这属于新手的常见误区之一。

第二个是CFG Scale（提示词相关性）。默认值是 7，表示提示词约束力中等。如果你写了一大堆提示词但 CFG 调成了 3，画面里的内容基本会自由发挥。反之，调成 15 以上画面会发灰、过饱和。建议新人从 7 开始，尝试在 5-10 之间微调。

第三个是分辨率（Width/Height）。我见过太多人一开始就用 1024x1024，结果显存直接爆掉。SD 1.5 底模训练分辨率只有 512x512，缩放容易比原生的效果更好。可以用 512x768 生成竖图，再用「高清修复」放大。SDXL 模型则可以原生生 1024x1024，但我的 12G 显存也略吃力。建议逐渐适应「先生成小图再放大」的流程。

第四个是种子（Seed）。这个概念很容易理解：种子相同，出图结果基本一致。当你看到别人发出一张绝美图片，想要微调它时，把种子「-1」改成那张图的种子值，然后只改动几个提示词，系统就能在同一构图的基础上改动细节。这是「稳定」二字的真正含义。

第五个是图片信息（PNG Info）。这个功能在 WebUI 的「图生图」栏目中，把别人分享的图拖进去，所有参数（模型、种子、提示词）几乎都能看到并应用。这个功能让我最开始的学习效率提高了三倍——我就是靠网友分享的图片学出来的。这五个参数组合在一起，你就已经超过了 60% 的「AI 绘画用户」。

从「会按按钮」到「能干活」：进阶三件套

当你把基础参数弄明白后，你会发现单纯「文生图」的随机性还是太高。工作室出图不可能每次运气都好。这时候就要引入「ControlNet」「LoRA」和「插件」，这三个进阶工具是拉开高手和普通人差距的关键。

ControlNet 相当于给 AI 加上了「素描参考线」，你可以上传一张火柴人姿势图或者人物骨架图，AI 就会在这张图的基础上创造新画面。比如我想让女孩坐在窗台上，我就先摆好一个「坐姿骨架」，然后写提示词，就能稳定控制人物的动作和构图。安装 ControlNet 也需要额外下模型，目前在 WebUI 扩展里直接搜索安装即可，常用的控制类型有 Canny（边缘检测）、OpenPose（姿势）、Depth（深度）。我用 ControlNet OpenPose 复刻过一张动漫截图，骨架一致但画风完全变成真人风，当时那种兴奋感是很难描述的。

再说 LoRA。它的全称是「低秩适应」，你可以理解为给大模型换一身特制衣服。例如通过 LoRA 让画面变成一个特定角色服装、一种特定滤镜或一个真实人物的脸。这些 LoRA 文件很小，通常只有 100MB-200MB，放在 models/Lora 文件夹。我拍了一组「和服女孩」的写真，并不是靠提示词偶然画出来的，而是使用了「和服」LoRA 模型，出图率高达 95% 以上都是正确的服饰。在 Civitai 上搜索 LoRA 时，留意它适用于 SD1.5 还是 SDXL，安错版本不会报错，但效果基本无效。

最后说一下「高清修复」。当你的 512 像素小图觉得不够锐利时，点开「高分辨率修复」按钮，放大倍率设置为 1.5 或 2，重绘幅度控制在 0.4-0.6 之间。这一步能让成品直接进入「可发朋友圈」的水准。如果你是纯新手，可以暂时不用立刻钻研这些进阶功能，但你只要想「出可用的图」，ControlNet 早晚是你的必修课。

💬 你用过哪些AI工具？

聊了这么多我的入坑经历，其实每个人的路径都不一样。有人喜欢用 Midjourney 那种「无脑出片」的快感，有人喜欢 DALL-E 3 在对话里改图，也有人像我一样更偏爱本地生成的自由和掌控感。你用过的第一个 AI 绘画工具是哪一个？有没有也经历过「生成一堆残肢断臂」的崩溃时刻？欢迎在评论区和我分享你的黑历史。

另外，我给还在纠结型号的朋友提个醒：最近我在 AI House 排行榜（aibunkhouse.com/rankings/）上看到很多用户投票分享真实使用体验，涵盖绘图、视频、语言模型等各个类别，数据更新也比较及时。如果你拿不定主意选哪款 AI 工具，与其去看广告软文，不如去看一眼这个榜，给那些真正帮你省过时间的模型投一票。我自己就是看到 Realistic Vision 在排名榜上常年靠前，才最终下定决心把它下载下来好好调教的。希望你的下一张图，比我的第一张好得多。期待在评论区看到你晒图。