Stable Diffusion 本地部署完全指南
Stable Diffusion 是唯一可以完全本地运行的主流 AI 图像生成模型,相比 Midjourney、DALL-E 等云端服务有三大核心优势:完全免费(无订阅费、无积分限制)、数据隐私(图片不上传云端)、高度可控(可自定义模型、参数、插件)。根据 Stability AI 2026 年数据,全球有超过 500 万用户在本地部署 SD,其中 68% 用于商业项目。
Stable Diffusion 本地部署完全指南
为什么选择本地部署 Stable Diffusion?
Stable Diffusion 是唯一可以完全本地运行的主流 AI 图像生成模型,相比 Midjourney、DALL-E 等云端服务有三大核心优势:完全免费(无订阅费、无积分限制)、数据隐私(图片不上传云端)、高度可控(可自定义模型、参数、插件)。根据 Stability AI 2026 年数据,全球有超过 500 万用户在本地部署 SD,其中 68% 用于商业项目。
本地部署的投资回报非常明显:假设每月使用 Midjourney Pro 套餐(28 美元/月),一年费用 336 美元;而一台支持 SD 的电脑(RTX 3060 显卡)一次性投入约 800-1000 美元,3 年无额外成本,且性能更强、无生成数量限制。一位自由插画师算账:"我之前每月 Midjourney 花费 50-80 美元,本地部署 SD 后 3 个月回本,现在每月节省 600-800 元,生成速度还快了 40%。"
但本地部署也有门槛:硬件要求(最低 8GB 显存)、技术门槛(需要基础命令行知识)、维护成本(更新模型、解决报错)。本指南将手把手教你从零开始部署,适合有一定计算机基础但没接触过 SD 的用户。
核心要点: 本地部署 SD 适合长期高频使用者和对隐私有要求的用户。偶尔用用建议直接用 Midjourney。
硬件要求与推荐配置
最低配置 (入门级)
- GPU: NVIDIA RTX 3060 (12GB 显存)
- CPU: Intel i5-10400 / AMD Ryzen 5 3600
- RAM: 16GB DDR4
- 存储: 256GB SSD (系统) + 500GB HDD (模型)
- 生成速度: 512×512 图片约 15-20 秒
适用场景: 个人学习、小规模创作
推荐配置 (生产级)
- GPU: NVIDIA RTX 4070 Ti (16GB 显存)
- CPU: Intel i7-13700K / AMD Ryzen 9 7900X
- RAM: 32GB DDR5
- 存储: 1TB NVMe SSD
- 生成速度: 1024×1024 图片约 8-12 秒
适用场景: 商业项目、批量生成
高端配置 (专业工作室)
- GPU: NVIDIA RTX 4090 (24GB 显存)
- CPU: Intel i9-13900K / AMD Ryzen 9 7950X
- RAM: 64GB DDR5
- 存储: 2TB NVMe SSD
- 生成速度: 1024×1024 图片约 5-7 秒
适用场景: 大型团队、视频生成、训练自定义模型
显卡选择建议
| 显卡型号 | 显存 | 适用分辨率 | 批量生成能力 | 参考价格 |
|---|---|---|---|---|
| RTX 3060 | 12GB | 最高 768×768 | 1-2张/批 | ¥2500 |
| RTX 3070 | 8GB | 最高 768×768 | 1张/批 | ¥3500 |
| RTX 4060 Ti | 16GB | 最高 1024×1024 | 2-4张/批 | ¥3800 |
| RTX 4070 | 12GB | 最高 1024×1024 | 2-4张/批 | ¥4800 |
| RTX 4070 Ti | 16GB | 最高 1536×1536 | 4-8张/批 | ¥6500 |
| RTX 4090 | 24GB | 最高 2048×2048 | 8-16张/批 | ¥13000 |
重要: 只有 NVIDIA 显卡完全支持 SD,AMD 显卡支持有限,不推荐。
安装步骤 (Windows 11 详细教程)
步骤 1: 安装 Python 3.10
- 访问 https://www.python.org/downloads/
- 下载 Python 3.10.11 (稳定版)
- 安装时勾选 "Add Python to PATH"
- 验证安装:打开命令提示符,输入
python --version
步骤 2: 安装 Git
- 访问 https://git-scm.com/download/win
- 下载并安装
- 验证:
git --version
步骤 3: 克隆 Stable Diffusion WebUI
# 打开命令提示符,切换到你想安装的目录
cd C:\AI\
# 克隆仓库 (推荐使用 AUTOMATIC1111 版本)
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
# 进入目录
cd stable-diffusion-webui
步骤 4: 下载基础模型
推荐模型: Stable Diffusion 1.5 (4GB)
下载地址: https://huggingface.co/runwayml/stable-diffusion-v1-5
下载文件: v1-5-pruned.safetensors
放置路径: C:\AI\stable-diffusion-webui\models\Stable-diffusion\
步骤 5: 首次启动
# 双击运行
webui-user.bat
# 首次运行会自动下载依赖 (约 5-10 分钟)
# 等待出现 "Running on local URL: http://127.0.0.1:7860"
步骤 6: 访问 WebUI
打开浏览器,访问: http://127.0.0.1:7860
成功看到界面即部署完成!
基础使用教程
界面布局说明
顶部区域:
- txt2img: 文本生成图片
- img2img: 图片生成图片
- Extras: 图片放大/修复
- PNG Info: 查看图片元数据
主要参数:
-
Prompt (正向提示词)
- 描述你想要的内容
- 示例:
a cat sitting on window, sunlight, cozy atmosphere
-
Negative Prompt (负向提示词)
- 描述你不想要的内容
- 常用:
ugly, blurry, low quality, distorted
-
Sampling Method (采样方法)
- 推荐: Euler a (平衡速度和质量)
- 高质量: DPM++ 2M Karras
-
Sampling Steps (采样步数)
- 推荐: 20-30 步
- 更多步数 = 更高质量但更慢
-
CFG Scale (提示词相关性)
- 推荐: 7-12
- 越高越严格遵循提示词
-
Size (图片尺寸)
- 常用: 512×512, 768×768, 1024×1024
第一张图片生成
提示词:
a beautiful landscape, mountains, lake, sunset, vibrant colors, high quality, detailed
负向提示词:
ugly, blurry, low quality, bad anatomy, watermark
参数:
- Steps: 25
- Sampler: Euler a
- CFG Scale: 7
- Size: 512×512
点击 "Generate" 即可生成!
进阶技巧
技巧 1: 安装自定义模型
热门模型推荐:
-
Realistic Vision (写实风格)
- 下载地址: https://civitai.com/models/4201
- 适用: 人物摄影、风景
-
DreamShaper (梦幻风格)
- 下载地址: https://civitai.com/models/4384
- 适用: 艺术创作、概念设计
-
Anything V5 (动漫风格)
- 下载地址: https://civitai.com/models/9409
- 适用: 动漫、二次元
安装方法:
- 下载
.safetensors文件 - 放入
models/Stable-diffusion/目录 - 重启 WebUI
- 在界面左上角下拉框选择模型
技巧 2: 使用 ControlNet (精确控制)
ControlNet 可以精确控制图片的构图、姿势、边缘。
安装步骤:
- 下载 ControlNet 插件
cd extensions
git clone https://github.com/Mikubill/sd-webui-controlnet.git
-
下载 ControlNet 模型
- 访问: https://huggingface.co/lllyasviel/ControlNet
- 下载
control_v11p_sd15_openpose.pth - 放入
extensions/sd-webui-controlnet/models/
-
重启 WebUI
使用示例: 根据参考图生成同构图图片
技巧 3: 批量生成
在 "Batch size" 设置中:
- Batch count: 生成几轮
- Batch size: 每轮生成几张
示例: Batch count=5, Batch size=4 → 总共生成 20 张
常见问题解决
问题 1: 显存不足 (Out of Memory)
解决方案:
- 降低图片分辨率 (512×512 而非 1024×1024)
- 启用
--medvram参数 (编辑webui-user.bat) - 减少 Batch size
问题 2: 生成速度慢
优化方法:
- 使用更快的采样器 (Euler a, DPM++ SDE)
- 减少采样步数 (20 步而非 50 步)
- 启用 xformers 加速
问题 3: 生成的图片质量差
改进建议:
- 使用更好的基础模型
- 增加采样步数 (30-50 步)
- 使用高分辨率修复 (Hires.fix)
- 优化提示词 (更具体、更详细)
问题 4: 无法启动 WebUI
检查清单:
- Python 版本是否为 3.10.x
- Git 是否正确安装
- 防火墙是否阻止
- 显卡驱动是否最新
本地部署 vs 云端服务对比
| 维度 | 本地 SD | Midjourney | DALL-E 3 |
|---|---|---|---|
| 成本 | 一次性投入 | 订阅制 | 按量付费 |
| 速度 | 快 (本地) | 中等 | 较慢 |
| 质量 | 取决于模型 | 顶级 | 优秀 |
| 隐私 | 完全私密 | 上传云端 | 上传云端 |
| 定制性 | 极高 | 较低 | 低 |
| 技术门槛 | 高 | 低 | 低 |
总结
本地部署 Stable Diffusion 适合:
- ✅ 长期高频使用者
- ✅ 对隐私有要求的用户
- ✅ 需要深度定制的专业用户
- ✅ 想要零成本无限生成的创作者
不适合:
- ❌ 只是偶尔使用
- ❌ 没有合适硬件
- ❌ 不想学习技术细节
- ❌ 追求最高画质 (Midjourney 仍更优)
建议策略: 同时使用 SD(大批量生成) + Midjourney(精品创作),发挥各自优势。