一、Stable Diffusion基础入门
1.1 什么是Stable Diffusion
Stable Diffusion（简称SD）是2022年由Stability AI开源的潜在扩散模型（Latent Diffusion Model），它能根据文字描述生成高质量图像，是目前最流行的开源AI绘画模型。与闭源商业工具不同，SD将模型权重和代码完全开源，任何人都可以在本地电脑上免费部署、训练、微调，从而诞生了繁荣的生态——包括各种WebUI、ComfyUI、上千个微调模型、ControlNet、LoRA等扩展组件。
SD的工作原理是在低维潜在空间（latent space）中逐步去噪，最终解码为像素图像。这种"潜在扩散"设计让它对显存更友好，普通消费级显卡（8GB显存起）即可流畅运行，这也是它能普及开来的关键原因。截至2026年，主流版本包括SD 1.5、SDXL、SD3以及社区持续优化的各种衍生模型。
1.2 Stable Diffusion与Midjourney的区别
很多新手会在SD和Midjourney之间纠结，二者各有定位：
| 对比维度 | Stable Diffusion | Midjourney |
|---|---|---|
| 开源情况 | 完全开源，可本地部署 | 闭源，仅云端服务 |
| 使用成本 | 本地免费（需硬件），云端按量 | 订阅制，$10/月起 |
| 可控性 | 极高，可精调每个参数 | 中等，参数相对收敛 |
| 上手难度 | 较高，需要折腾环境 | 低，Discord里输入即可 |
| 模型生态 | 海量checkpoint/LoRA/ControlNet | 官方统一模型 |
| 隐私性 | 本地生成，数据不出门 | 数据上传到服务器 |
| 出图风格 | 自定义空间极大 | 美学统一，艺术感强 |
简单来说：如果你想"开箱即用、追求艺术感"，选Midjourney；如果你"追求极致可控、想做商业项目、需要本地隐私或定制化"，Stable Diffusion是更好的选择。两者并不冲突，很多专业创作者会同时使用。
零基础新手可先用Midjourney或云端SD服务（如国内各大模型平台）感受出图乐趣；当你想深度定制、批量生成、做电商主图或工作流自动化时，再转向本地部署的Stable Diffusion。
二、安装部署
2.1 硬件准备
本地运行SD对硬件有基本要求，建议配置如下：
- 显卡（GPU）：NVIDIA显卡是首选，显存8GB起步（如RTX 3060/4060），推荐12GB以上（RTX 4070及以上）以运行SDXL及更大模型。AMD显卡和苹果M系列芯片也可运行但兼容性稍差。
- 内存（RAM）：16GB起步，推荐32GB。
- 硬盘：建议预留100GB以上SSD空间，单个checkpoint模型动辄2-7GB，加上LoRA、VAE、ControlNet模型很快就会塞满。
- 系统：Windows 10/11、Linux、macOS均可，Windows生态最成熟。
2.2 WebUI (Automatic1111) 安装
WebUI是最经典、生态最完善的图形界面，适合新手和大多数日常出图需求。安装步骤如下：
- 安装Python：安装Python 3.10.6（注意版本，3.11+会有兼容问题），安装时勾选"Add Python to PATH"。
- 安装Git：从git-scm.com下载安装Git for Windows。
- 克隆WebUI仓库：在你想安装的目录下打开终端，执行
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git - 下载模型：从Civitai或HuggingFace下载一个checkpoint模型（.safetensors格式），放到
stable-diffusion-webui/models/Stable-diffusion/目录下。 - 启动WebUI：双击运行
webui-user.bat，首次启动会自动下载依赖和CLIP模型（需要科学上网，过程可能持续20-40分钟）。 - 访问界面：启动完成后浏览器打开
http://127.0.0.1:7860即可使用。
建议在 webui-user.bat 中配置 COMMANDLINE_ARGS，例如8GB显存可加上 --medvram --opt-split-attention，可显著降低显存占用。
首次运行会从HuggingFace和GitHub下载大量依赖，国内网络很可能超时失败。建议提前配置好代理，或将 HUGGINGFACE_HUB 镜像源切换为国内镜像。失败后不要反复重试，先检查网络。
2.3 ComfyUI安装
ComfyUI是节点式（node-based）界面，类似Blender或Nuke的工作流，对高级用户更友好，显存效率更高，也是2025年后社区发展的主流方向。
- 下载ComfyUI：访问github.com/comfyanonymous/ComfyUI，下载Release压缩包并解压。
- 放置模型：将checkpoint模型放入
ComfyUI/models/checkpoints/，VAE放models/vae/，LoRA放models/loras/。 - 安装依赖：进入解压目录，运行
python -m pip install -r requirements.txt。 - 启动：双击
run_nvidia_gpu.bat（N卡）或对应启动脚本，浏览器访问http://127.0.0.1:8188。 - 加载工作流：ComfyUI默认空白，可将他人分享的JSON工作流拖入界面，或从comfyworkflows.com下载模板。
WebUI偏向"所见即所得"的表单操作，ComfyUI偏向"搭积木"的工作流编排。建议新手先学WebUI熟悉概念，再过渡到ComfyUI做高级流程。两者模型库互通，迁移成本不高。
三、提示词详解
3.1 正向提示词结构
SD的提示词写法与Midjourney不同，更强调关键词堆叠而非自然语言长句。一个高质量正向提示词通常按以下结构组织：
下面是一个完整示例，描述一位赛博朋克风格的女武士：
解析：开头用 1girl, female samurai 锁定主体；中段细化服装、武器、面部、场景；后段控制光影、构图；结尾用 masterpiece, best quality, 8k 等画质词提升精细度。逗号分隔，越靠前的词权重越大。
3.2 负向提示词
负向提示词告诉模型"不要生成什么"，对SD出图质量影响极大。通用负向提示词模板：
建议把这段保存为预设，每次出图都加载。针对特定场景还可补充，例如人像加 asymmetric eyes, cross-eyed，全身加 missing legs, extra arms。
3.3 权重控制
SD通过多种语法精确控制关键词权重：
- 圆括号增强：
(keyword)提升约1.1倍，((keyword))约1.21倍，可叠加。 - 数值精确控制：
(keyword:1.3)表示权重1.3，范围建议0.5-1.5，超过2.0容易画面崩坏。 - 方括号减弱：
[keyword]降低权重，[keyword:0.5]精确减弱到0.5。 - 渐变切换：
[keyword1:keyword2:0.6]表示前60%步数用keyword1，之后切换到keyword2，可做风格过渡。 - 交替词：
[cow|horse]在每步交替使用，能融合两种概念。
面部崩坏时优先用 (detailed face:1.3), (perfect eyes:1.2) 增强面部；想要更明显的风格，把风格词权重拉到1.2-1.4。但切记权重不是越高越好，叠加过多会过曝或失真。
四、常用参数详解
| 参数 | 推荐范围 | 作用说明 |
|---|---|---|
| Steps（采样步数） | 20-40 | 去噪迭代次数，越多越精细但越慢。SDXL建议25-30，过50收益递减 |
| CFG Scale（提示词相关性） | 5-12 | 越高越忠于提示词，过高会过饱和失真。人像建议7-9 |
| Sampler（采样器） | DPM++ 2M Karras / Euler a | 不同算法效果差异明显。DPM++ 2M Karras速度快质量高，Euler a适合速览 |
| Seed（随机种子） | -1（随机）或固定数值 | 固定种子可复现结果，便于微调对比 |
| Batch Size（批大小） | 4-8 | 同时生成的图片数量，越大显存占用越高 |
| Batch Count（批次数） | 按需 | 循环生成的批次，配合小Batch Size可生成更多图 |
| Width / Height | 512x512 / 1024x1024 | SD1.5原生512，SDXL原生1024。非正方形按64倍数调整 |
| Hires. fix（高清修复） | 放大1.5-2倍 | 低分辨率出图后放大重绘，能显著提升细节 |
一个稳健的出图参数组合：Steps 28、CFG 7、Sampler DPM++ 2M Karras、分辨率1024x1024（SDXL）或512x768（SD1.5人物），生成满意后开Hires. fix放大1.5倍精修。这是大多数创作者的"舒适区"配置。
CFG Scale超过15后图像会色彩过饱和、出现"塑料感"和异常纹理，新手常常误以为是模型问题。如果你发现出图又艳又假，先把CFG降到7-8试试。
五、模型推荐
Stable Diffusion的魅力在于海量社区模型。下面按风格推荐几类经典checkpoint：
5.1 写实人像
- Realistic Vision：老牌写实模型，皮肤质感、光影真实，适合人像、电商、产品图。
- ChilloutMix / MajicMix Realistic：亚洲面孔表现优秀，常用于写真、汉服、人像摄影。
- Juggernaut XL：基于SDXL的高质量写实模型，电影感和商业摄影质感出色。
5.2 二次元/动漫
- Anything V5：经典二次元模型，泛用性强，新手友好。
- Counterfeit / MeinaMix：日系插画风格，色彩通透，适合人物立绘。
- Nijijourney风格模型：模仿Midjourney Niji的二次元质感。
5.3 艺术插画
- DreamShaper：通用泛化强，写实与插画之间平衡，新手推荐。
- Deliberate：油画、概念艺术风格，适合场景插画。
- Pony Diffusion XL：SDXL底座，风格化能力强，社区扩展多。
5.4 SDXL系列
SDXL原生模型质量已很高，推荐 SDXL Base 1.0 + SDXL Refiner 两阶段出图，或直接用 Juggernaut XL、DreamShaper XL 等微调版一步到位。SDXL对显存要求更高，建议12GB以上显卡。
主要在 civitai.com（俗称C站）和 huggingface.co 下载。C站可直接看示例图和提示词，方便参考。下载时认准 .safetensors 格式，避免 .ckpt（存在pickle注入安全风险）。
六、高级技巧
6.1 ControlNet使用
ControlNet是SD最具革命性的扩展，它能让模型依据参考图控制构图、姿态、边缘、深度等，是商业出图的核心工具。常用类型：
- Canny（边缘检测）：保留线稿轮廓，适合保持构图、二改同人。
- OpenPose（姿态）：提取人物骨架，精准控制人物姿势。
- Depth（深度图）：保留空间前后关系，适合场景重构。
- Tile（分块）：放大重绘时保持细节一致，强烈推荐用于高清修复。
- IP-Adapter：以图生图风格迁移，可参考图片的画风、人物特征。
使用流程：在WebUI的ControlNet面板上传参考图 → 选择预处理和模型 → 设置控制权重（建议0.6-1.0）→ 生成。多个ControlNet可串联（如OpenPose+Canny同时用），实现"姿态+构图"双重控制。
6.2 图生图（Img2Img）
图生图以一张已有图片为基础，按提示词重新绘制，是修图、风格转换的常用功能。关键参数：
- Denoising strength（重绘幅度）：0-1之间。0.3-0.5做微调（保留原图结构），0.5-0.7做大改风格，0.7以上基本是全新生成。
- Resize mode：控制缩放模式，注意原图比例与目标分辨率尽量一致，避免拉伸。
典型场景：把照片重绘为油画（重绘0.5）、修复老照片（重绘0.3）、把草图细化为成品（重绘0.6）。
6.3 局部重绘（Inpaint）
局部重绘只修改蒙版区域，是修脸、换背景、补物件的利器。操作步骤：
- 切换到Img2Img → Inpaint标签页。
- 上传原图，用画笔涂抹需要修改的区域（如脸部）。
- 写好对应提示词（如修复脸：
perfect face, detailed eyes）。 - 设置Mask blur（1-2像素）、Denoising（0.5-0.7），生成。
进阶可用 Inpaint Anywhere 插件分区重绘，或结合ControlNet实现精准局部修改。商业项目几乎都靠局部重绘来精修出图。
6.4 LoRA使用
LoRA是轻量化微调模型，几百MB就能让基础模型学会特定人物、画风、物件，是SD生态的灵魂。使用方法：
- 将LoRA文件（.safetensors）放入
models/Lora/目录，刷新WebUI。 - 在正向提示词中通过
<lora:文件名:0.7>调用，权重0.6-0.9常用。 - 可叠加多个LoRA，如
<lora:characterA:0.7> <lora:styleB:0.5>，组合人物+画风。
C站有海量角色、明星、画风、服饰LoRA。下载时注意LoRA适配的基础模型版本（SD1.5的LoRA不能用于SDXL），并参考作者给出的示例提示词。
多个LoRA叠加容易"打架"导致画面崩坏。建议每加一个先单独测试权重，确认无冲突再组合；总权重之和不超过1.5比较稳妥。出现崩图时优先降低LoRA权重而非调其他参数。
七、实用Prompt模板
7.1 人像摄影
7.2 风景大片
7.3 动漫人物
7.4 产品/电商
使用时把方括号部分替换成你的具体需求，再根据出图效果微调权重和负向词。建议把这些模板保存为WebUI的"Presets"，一键调用。
八、常见问题与避坑指南
Q1：出图全是糊的、像马赛克怎么办？
九成是分辨率没选对。SD1.5原生512，用1024会糊；SDXL原生1024，用512会糊。其次检查Steps是否过低（建议≥20）、是否误开了"low quality"预设。模型版本和分辨率必须匹配。
Q2：人物手部一直崩坏？
手部是所有AI绘画的难点。综合方案：①负向加 bad hands, extra fingers, fused fingers, deformed hands；②用ControlNet的OpenPose Hand模型精准控制手部姿态；③出图后用局部重绘单独修手；④用 ADetailer 插件自动修复面部和手部。
Q3：模型加载报错 "out of memory"？
显存不足。优先尝试：①启动参数加 --medvram 或 --lowvram；②关闭后台占显存程序；③降低分辨率和Batch Size；④改用更省显存的ComfyUI；⑤实在不行升级到12GB+显存显卡。
Q4：生成的图跟提示词对不上？
提示词太长或冲突会导致模型"听不懂"。建议：①关键词控制在75个token以内；②按"主体-细节-风格"顺序排列；③删除矛盾的词（如同时要"realistic"和"anime"）；④适当提高CFG Scale（7-9）。
Q5：LoRA加载了没效果？
排查：①LoRA版本和基础模型是否匹配（SD1.5 LoRA只能配SD1.5系模型）；②权重是否过低（从0.7开始试）；③触发词是否写了（很多LoRA需要特定关键词激活，作者页面会注明）。
不同模型License差异大：部分写实模型禁止商用，部分LoRA禁止用于真实明星形象。商业项目务必查阅模型License，优先选MIT/Apache协议的模型，避免使用涉及真人肖像的LoRA。
九、总结
Stable Diffusion的上手曲线确实比Midjourney陡，但回报是极致的可控性和无限的定制空间。本篇教程带你走完了从安装、提示词、参数、模型到ControlNet、LoRA、图生图的全流程，掌握了这些你已超过90%的SD用户。
学习路径建议：先用WebUI+DreamShaper熟悉基础出图 → 再玩LoRA做角色和画风 → 接着学ControlNet实现构图控制 → 最后转ComfyUI搭建自动化工作流。坚持每天产出10张图、对照C站优秀作品分析提示词，一个月就能形成自己的出图方法论。
AI绘画是工具，更是审美和表达力的延伸。愿你用SD创造出独属于自己的视觉世界！