Stable Diffusion 完整使用指南：从入门到精通

工具简介

Stable Diffusion 是由 Stability AI 开发的一款开源文本到图像生成模型，自 2022 年发布以来迅速成为 AI 艺术创作领域的标杆工具。与其他闭源商业模型（如 Midjourney 或 DALL·E）不同，Stable Diffusion 的最大优势在于其完全开源的特性——用户不仅可以免费使用，还能在自己的电脑上本地运行，无需依赖云端服务，从而保障数据隐私并实现高度定制化。

该模型基于扩散机制（Diffusion Process），通过逐步去噪的方式从随机噪声中生成符合文本描述的图像。得益于活跃的社区生态，Stable Diffusion 拥有海量的第三方模型（如 Realistic Vision、DreamShaper、Anything V5 等）、插件（如 ControlNet、LoRA）和图形界面（如 AUTOMATIC1111 WebUI），极大降低了使用门槛，同时拓展了其在写实人像、动漫风格、建筑设计、概念艺术等领域的应用潜力。

核心功能

功能	说明
文本到图像生成（Text-to-Image）	输入一段文字提示（Prompt），模型自动生成对应图像，支持分辨率最高达 1024×1024（需显存充足）
图像到图像生成（Image-to-Image）	在已有图像基础上，根据新提示进行重绘或风格迁移，保留原图结构的同时改变内容或风格
Inpainting（局部重绘）	对图像中选定区域进行智能填充或修改，常用于移除水印、更换背景或添加元素
ControlNet 控制生成	通过边缘图、深度图、姿态图等条件输入，精确控制生成图像的构图、姿势或结构，提升可控性
模型微调与扩展	支持加载社区训练的 Checkpoint 模型、LoRA 微调模块、Textual Inversion 嵌入词等，灵活定制风格

如何使用

第一步：选择运行方式

Stable Diffusion 可通过以下几种方式使用：

1. 本地部署（推荐）：适合有一定技术基础、希望完全掌控模型的用户。

   • 推荐使用 AUTOMATIC1111 WebUI，这是一个功能强大且用户友好的图形界面。
   • 系统要求：Windows/Linux/macOS（Apple Silicon 支持有限），建议配备至少 6GB 显存的 NVIDIA GPU（AMD 显卡需额外配置）。
   • 安装步骤简要：
     • 安装 Python 3.10+ 和 Git
     • 克隆 WebUI 仓库：git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
     • 运行 webui-user.bat（Windows）或 webui.sh（Linux/macOS）
     • 首次启动会自动下载基础模型（如 v1.5 或 SDXL）

2. 在线平台（免安装）：适合初学者快速体验。

   • 如 Playground AI、Hugging Face Spaces 提供免费或付费的 Stable Diffusion 在线服务。
   • 缺点是功能受限、无法加载自定义模型。

第二步：编写有效提示词（Prompt）

提示词质量直接影响生成效果。建议采用“正向提示 + 负向提示”结构：

• 正向提示：描述你想要的内容，越具体越好
  示例：masterpiece, best quality, 1girl, long black hair, red eyes, cyberpunk city background, neon lights, rain
• 负向提示：排除不希望出现的元素
  示例：low quality, blurry, extra fingers, deformed face, text, watermark

可使用权重语法强调关键词，如 (red eyes:1.3) 表示加强“红眼”效果。

第三步：调整生成参数

在 WebUI 中，关键参数包括：

• Sampling Method：推荐使用 DPM++ 2M Karras 或 Euler a，平衡速度与质量
• Steps：通常 20–30 步即可，过高收益递减
• CFG Scale：控制提示词影响力，一般设为 7–9
• Seed：固定种子可复现相同结果
• Resolution：默认 512×512，SDXL 模型支持 1024×1024

第四步：加载社区模型与插件

• 将下载的 .ckpt 或 .safetensors 模型文件放入 models/Stable-diffusion/ 目录
• 插件（如 ControlNet）可通过 WebUI 的“Extensions”标签页一键安装
• LoRA 模型放入 models/Lora/，使用时在提示词中加入 <lora:filename:weight>

价格说明

Stable Diffusion 本身完全免费开源，无任何订阅费用。但本地运行需自行承担硬件成本（如 GPU）。若使用第三方在线平台（如 Leonardo.AI、Playground AI），则可能有免费额度限制，高级功能需付费（通常 $10–$30/月）。

适用场景

1. 数字艺术创作：插画师、概念设计师可快速生成灵感草图或完整作品。
2. 游戏与影视素材生成：制作角色设定、场景概念图、道具设计等。
3. 电商与广告设计：批量生成产品展示图、海报背景、营销视觉素材。
4. 教育与研究：用于 AI 生成艺术教学、计算机视觉实验或人机协作研究。

优缺点

优点

• ✅ 完全开源免费，无使用限制
• ✅ 支持本地运行，保护隐私与数据安全
• ✅ 社区生态极其丰富，模型和插件持续更新
• ✅ 高度可定制，支持微调、ControlNet 等高级功能

缺点

• ❌ 本地部署对硬件有一定要求，新手配置可能遇到困难
• ❌ 默认模型在手部、文字等细节上仍有缺陷，需技巧规避
• ❌ 生成结果存在随机性，需多次尝试才能获得理想图像
• ❌ AMD GPU 和 macOS 用户支持较弱，性能不如 NVIDIA

同类替代工具

1. Midjourney：闭源在线服务，图像美学表现优异，操作简单，但需 Discord 使用且按生成次数收费。
2. DALL·E 3（OpenAI）：集成于 ChatGPT，理解复杂提示能力强，适合商业用途，但无法本地部署。
3. Adobe Firefly：专注商业合规性，生成内容可用于 Adobe 商业产品，强调版权安全，但创意自由度较低。

---

免责声明：本文所述工具及方法仅供学习与合法创作使用。AI 生成内容可能涉及版权、肖像权等法律问题，请遵守所在国家/地区相关法律法规，勿用于侵权、虚假信息传播或不当用途。