Stable Diffusion安装教程及本地部署指南

想在自己的电脑上轻松玩转AI绘画？这篇详尽的Stable Diffusion本地部署指南手把手教你从零搭建专属图像生成环境——无论你是毫无编程基础的新手，还是追求高度定制化的技术爱好者，都能通过秋叶一键整合包或AUTOMATIC1111手动部署两种路径快速上手；文章不仅清晰列出GPU、CUDA、Python 3.10等硬性要求，更细致拆解了环境配置、模型与VAE文件的正确放置、WebUI启动排错及首次出图的关键参数设置，助你避开常见坑点，真正实现“下载即用、导入即画”，开启高质量AI创作之旅。

如果您希望在个人计算机上运行Stable Diffusion，但尚未完成环境搭建与启动配置，则可能是由于依赖缺失、路径错误或模型未就位导致启动失败。以下是实现SD本地部署和使用的全流程操作指南：

一、准备硬件与基础环境

Stable Diffusion对计算资源有明确要求，GPU加速是高效运行的关键前提。必须确保系统具备支持CUDA的NVIDIA显卡，并安装匹配版本的驱动、CUDA Toolkit与cuDNN库。同时需配置Python 3.10环境及Git工具，为后续代码拉取与包管理提供支撑。

1、确认显卡型号与驱动版本：在命令行中执行 nvidia-smi，检查是否显示GPU状态及驱动版本（建议≥535）。

2、下载并安装CUDA 12.1与对应cuDNN：访问NVIDIA官网，选择与驱动兼容的CUDA版本，并下载cuDNN v8.9.7 for CUDA 12.1。

3、安装Python 3.10：从python.org下载Windows x64 Installer，勾选“Add Python to PATH”，完成安装后执行 python --version 和 pip --version 验证。

4、安装Git：从git-scm.com下载安装程序，全程默认选项即可，安装后执行 git --version 确认可用。

二、方案一：使用秋叶整合包（一键式部署）

该方案适用于零编程经验用户，整合包已预置WebUI、Python虚拟环境、常用插件及基础模型，无需手动编译或配置依赖，解压即用。

1、访问官方发布页下载最新版秋叶整合包（如v1.10.0），保存路径须为纯英文无空格目录（例：C:\sd-webui）。

2、解压压缩包，双击根目录下的 run.bat 启动初始化脚本，首次运行将自动下载依赖并配置环境。

3、等待控制台输出 Running on local URL: http://127.0.0.1:7860 后，在浏览器中打开该地址即可进入WebUI界面。

4、首次加载可能耗时较长，待页面完全渲染后，点击左侧“Stable Diffusion checkpoints”下拉框，确认至少有一个模型显示为可用状态。

三、方案二：手动部署AUTOMATIC1111 WebUI

该方式提供最高可控性，适合需定制化调试、多环境共存或开发集成的用户。所有组件均通过Git与pip显式安装，便于版本回溯与问题排查。

1、在目标目录（如D:\sd）中打开终端，执行 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git 拉取主仓库。

2、进入项目根目录：cd stable-diffusion-webui。

3、创建独立Python虚拟环境：python -m venv venv，随后激活：venv\Scripts\activate.bat（Windows）或 source venv/bin/activate（Linux/macOS）。

4、安装PyTorch CUDA版本：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121。

5、执行启动脚本：webui-user.bat（Windows）或 ./webui.sh（Linux/macOS），等待服务就绪并打开浏览器访问对应端口。

四、配置模型与VAE文件

WebUI本身不包含生成模型，必须手动导入Checkpoint（.safetensors或.pth格式）与可选VAE文件，否则界面将提示“No checkpoint found”。模型文件需置于指定子目录，路径结构错误会导致无法识别。

1、前往Hugging Face或CivitAI下载SDXL或SD 1.5系列模型，推荐使用 realisticVisionV60B1_v51VAE.safetensors 或 juggernautXL_version6Rundiffusion.safetensors。

2、将模型文件复制至 models/Stable-diffusion/ 目录（若目录不存在，请手动创建）。

3、下载配套VAE文件（如 sdxl_vae_fp16.safetensors），放入 models/VAE/ 目录。

4、重启WebUI，在设置页勾选 Always use VAE from model directory，并在模型下拉菜单中选择刚导入的Checkpoint。

五、首次生成图像操作

完成模型加载后，WebUI即可进行实际图像生成。此阶段需正确填写正向提示词（Prompt）、负向提示词（Negative Prompt）并设置采样参数，避免因参数越界或关键词冲突导致空白输出或崩溃。

1、在文生图（txt2img）标签页的Prompt输入框中键入：masterpiece, best quality, a cyberpunk cityscape at night, neon lights, rain-wet streets, cinematic lighting。

2、在Negative Prompt框中填入：lowres, bad anatomy, worst quality, normal quality, jpeg artifacts, signature, watermark, username, blurry。

3、设置采样器为 DPM++ 2M Karras，采样步数（Steps）设为 30，CFG Scale设为 7，分辨率保持默认 512x512。

4、点击 Generate 按钮，观察右下角进度条及控制台日志，生成完成后图像将显示在右侧预览区，并自动保存至 outputs/txt2img-images/ 子目录。

理论要掌握，实操不能落！以上关于《Stable Diffusion安装教程及本地部署指南》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！