当前位置：首页 > news >正文

Stable Diffusion WebUI快速上手指南

news 2026/7/29 3:47:04

Stable Diffusion WebUI 是一个基于 Web 的图形界面，它极大地简化了 Stable Diffusion 模型的使用，让没有编程经验的用户也能轻松生成和编辑图像。其核心功能比 Midjourney 等工具更为显著和丰富。

一、安装与部署

1. 系统准备与一键安装（推荐新手）

对于大多数用户，尤其是 Windows 用户，使用一键安装包是最简单快捷的方式。

电脑配置要求：需要具备 NVIDIA 显卡并安装好相应的驱动。显存建议 4GB 及以上，以获得更好的体验。
安装步骤：
1. 从可靠来源下载整合包（通常包含 Python、Git 等所有依赖）。
2. 解压到不含中文和空格的路径。
3. 运行启动脚本（如webui-user.bat）。首次运行会自动下载所需模型和依赖，时间较长。

2. 手动安装（适合进阶用户）

若需自定义环境或使用 Linux/macOS，可参考以下步骤：

# 1. 克隆 Stable Diffusion WebUI 仓库 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui # 2. 创建并激活 Python 虚拟环境（可选但推荐） python -m venv venv # Windows: venv\Scripts\activate # Linux/macOS: source venv/bin/activate # 3. 安装依赖（确保已安装合适版本的 CUDA 和 PyTorch） pip install -r requirements.txt # 4. 下载基础模型（如 v1.5），并将其放入 `models/Stable-diffusion/` 目录 # 模型可从 Civitai 或 Hugging Face 下载 # 5. 启动 WebUI python launch.py

启动后，在浏览器中访问http://127.0.0.1:7860即可使用。

二、核心功能与使用

启动 WebUI 后，主要操作区域如下：

功能区域	主要作用	关键参数示例
文生图 (txt2img)	根据文本提示词生成图像。	`正向提示词`：描述想要的画面，如`masterpiece, best quality, 1girl, ...`。 `负向提示词`：排除不想要的元素，如`low quality, blurry`。 `采样方法 (Sampler)`：如 Euler a, DPM++ 2M Karras。 `采样步数 (Steps)`：通常 20-30。 `CFG Scale`：提示词相关性，通常 7-12。
图生图 (img2img)	基于输入图像和提示词进行重绘或风格转换。	`重绘幅度 (Denoising strength)`：控制修改程度，0-1。
模型管理	加载不同的基础模型、LoRA、Embedding 等。	将模型文件放入对应目录： - 大模型：`models/Stable-diffusion/` - LoRA：`models/Lora/` - VAE：`models/VAE/`
附加功能 (Extras)	对生成图像进行高清修复 (Hires. fix)、放大、面部修复等。	`放大算法 (Upscaler)`：如 R-ESRGAN 4x+。 `高清修复步数 (Hires steps)`。

三、插件安装与管理

WebUI 的强大功能很大程度上依赖于插件扩展。安装插件主要有两种方式：

通过 WebUI 界面直接安装（最常用）：
- 进入Extensions选项卡。
- 选择Available->Load from，加载插件列表。
- 找到所需插件（如汉化插件stable-diffusion-webui-localization-zh_Hans），点击其后的Install按钮。
- 安装完成后，回到Installed选项卡，点击Apply and restart UI重启界面。
手动安装：
- 从 GitHub 等平台克隆或下载插件仓库。
- 将整个插件文件夹放入stable-diffusion-webui/extensions/目录下。
- 重启 WebUI 即可。