1. 先搞清楚 Stable Diffusion 到底在做什么1.1 它不是什么黑魔法本质就是“加噪”与“去噪”很多人第一次听到 Stable Diffusion 这个名字脑子里浮现的是那种一键生成大片的神器。我刚开始接触的时候也这么想结果装完第一天就卡在环境配置上连界面都没打开。后来才明白这东西的核心原理其实特别朴素它做的事情就是给一张图不断加噪声直到变成一团雪花然后再训练一个模型学会把这团雪花一步步还原回去。等你用的时候给它一团随机噪声它就能根据你输入的文字提示把噪声“去”成一张符合描述的图。这个“去噪”的过程就是扩散模型的核心。你可以把它想象成一位画家面前摆着一块全是杂色的画布你告诉他“画一只坐在窗台上的橘猫阳光从左边照进来”他就一笔一笔把杂色抹掉逐渐显现出你描述的画面。Stable Diffusion 之所以叫“Stable”是因为它用了潜空间扩散的技术把运算压缩在一个更小的特征空间里做这样普通显卡也能跑得动不像早期的扩散模型那样必须用顶级硬件。1.2 为什么小白也能上手但上手不等于用好现在网上有大量一键安装包和整合包确实把门槛降到了很低。你不需要懂 Python不需要会配环境下载一个压缩包解压双击运行就能出图。但问题在于能出图和能出好图之间隔着一条很宽的河。我见过太多人装完之后随便输入几个词出来一张歪脸图然后就觉得“这玩意儿不行”。其实不是工具不行是提示词的写法、模型的选型、参数的搭配全都没跟上。这篇内容就是写给那些刚接触 Stable Diffusion、想少走弯路的人。我会从最基础的概念讲起然后一步步带你走完整个流程包括模型怎么选、提示词怎么写、参数怎么调、出问题了怎么排查。你不需要任何编程基础但需要一点耐心因为这东西前期确实有一些坑要踩。1.3 你需要准备什么硬件与心理预期先说硬件。Stable Diffusion 对显卡有一定要求但没你想的那么夸张。我用过一张入门级显卡6GB 显存跑 512x512 的图大概十几秒一张完全能用。如果你显存在 4GB 以下也不是不能跑但需要调低分辨率或者用一些优化手段速度会慢一些。内存建议 16GB 以上硬盘最好留出 50GB 以上的空间因为模型文件动辄好几个 G下着下着就满了。心理预期方面我得提前说清楚第一次出图大概率不会让你满意。这不是你的问题也不是工具的问题而是你还没找到感觉。就像学做菜第一次炒出来的菜肯定不如饭店但炒个十次八次之后你就能掌握火候了。Stable Diffusion 也是一样前二十张图基本都是在摸索后面才会越来越顺。2. 安装与初始配置别一上来就追求完美2.1 选整合包还是自己配环境这是新手面临的第一个选择。自己配环境的好处是干净、可控、后续升级方便坏处是容易在各种依赖报错里崩溃。整合包的好处是省事解压就能用坏处是版本可能偏旧而且有些整合包塞了一堆你用不上的东西反而拖慢速度。我的建议是如果你只是想快速体验一下先用整合包。等你玩明白了知道自己需要什么了再考虑自己配一套干净的环境。我自己最开始用的就是整合包后来因为想装一些新插件整合包里的版本不兼容才转去自己配。这个顺序比较合理不会一上来就被环境问题劝退。2.2 模型文件的放置逻辑不管你用哪种方式安装模型文件的放置位置都很关键。通常来说主模型放在models/Stable-diffusion目录下VAE 模型放在models/VAE目录下LoRA 模型放在models/Lora目录下。这些目录名字可能因版本不同略有差异但逻辑是一样的不同类型的模型分开放方便管理和切换。我见过有人把所有模型都堆在一个文件夹里结果界面里选模型的时候一长串列表找半天找不到想要的。而且有些模型文件名很相似放一起容易选错。所以从一开始就养成分类放置的习惯后面会省很多事。2.3 第一次启动时的关键设置第一次启动后先别急着出图花几分钟把几个关键设置过一遍。首先是显存优化选项如果你的显存不大建议开启“低显存模式”或者类似的选项这会牺牲一点速度但能避免爆显存。其次是输出目录默认的目录可能不太好找建议改成一个你熟悉的路径。最后是界面语言如果你更习惯中文可以找找语言设置选项不过我个人建议保持英文界面因为很多教程和插件都是英文的对照着看反而更方便。注意第一次启动时加载模型会比较慢这是正常的不要以为卡死了就强制关闭。等它加载完后面再启动就快了。3. 提示词的门道说人话但要说对的话3.1 提示词的基本结构提示词就是你告诉模型你想要什么的那段文字。它的基本结构可以概括为主体 细节 风格 质量词。主体是你想画的东西比如“一个女孩”细节是她的特征比如“红色头发、蓝色眼睛、穿着白色连衣裙”风格是画面的整体感觉比如“水彩画风格、柔和光线”质量词是一些提升画面精细度的词比如“高清、精细细节、专业摄影”。很多人写提示词的时候只写主体比如就输入“一个女孩”然后抱怨出来的图不好看。这就像你去餐厅点菜只说“我要吃饭”厨师只能随便给你炒一盘。你得说清楚你想吃什么、什么口味、什么做法厨师才能做出你想要的。3.2 权重与语法的实际用法Stable Diffusion 支持给提示词加权重语法是用括号和数字表示。比如(red hair:1.3)表示红色头发的权重是 1.3 倍模型会更强调这个特征。反过来(red hair:0.7)就是降低权重。这个功能在调整画面元素的时候特别有用比如你觉得头发颜色不够红就把权重调高一点。还有一个常用的语法是负面提示词就是告诉模型你不想要什么。比如你不想要模糊的画面就在负面提示词里写“模糊、低质量”。负面提示词的作用有时候比正面提示词还大因为很多模型默认会往某些方向偏你得用负面词把它拉回来。3.3 常见提示词误区与修正我踩过的一个大坑是提示词堆砌。刚开始的时候觉得词越多越好把能想到的都写上去结果出来的图反而很乱。后来才明白提示词之间会互相干扰太多词会让模型无所适从。一般来说正面提示词控制在 20 到 40 个词之间比较合适负面提示词 10 到 20 个词就够了。另一个误区是用抽象词。比如你写“美丽的、有气质的”模型根本不知道具体指什么。你得写“精致的五官、优雅的姿态、柔和的光线”这些才是模型能理解的具体描述。抽象词不是不能用但得配合具体词一起用不能光靠抽象词撑场面。4. 参数调整那几个数字到底在干什么4.1 采样步数与采样器选择采样步数是指模型去噪的迭代次数。步数太少画面没去干净会显得糊步数太多画面可能过度锐化而且浪费时间。一般来说20 到 30 步是一个比较甜的点再往上提升就很有限了。我实测过30 步和 50 步的差距肉眼几乎看不出来但时间差了一倍。采样器是去噪的具体算法不同采样器出来的效果有细微差别。有的采样器速度快但细节少有的采样器慢但画面更细腻。新手不用太纠结这个先用默认的或者大家常用的那个等你有感觉了再换着试。4.2 提示词引导系数这个参数控制模型有多“听话”。数值低的时候模型更自由可能会给你一些意想不到的创意但也可能偏离你的描述数值高的时候模型更严格地按照你的提示词来但太高了画面会变得僵硬、色彩过饱和。7 到 9 之间是比较稳妥的范围我一般用 7.5偶尔根据情况微调。4.3 随机种子与批次随机种子决定了初始噪声的样子。同样的提示词和参数换个种子就是完全不同的图。如果你出了一张很满意的图想在此基础上微调就可以固定种子然后改提示词或者参数这样画面的大结构不会变只会变你改动的部分。批次是指一次出几张图。我建议新手一次出 4 张这样你可以对比不同种子的效果从中挑一张最好的。等你有经验了可以一次出更多但要注意显存占用。参数建议范围作用调整方向采样步数20-30去噪迭代次数少了糊多了慢引导系数7-9提示词遵循程度低了自由高了僵硬分辨率512x512 起画面尺寸高了吃显存批次4 张一次出图数量多了显存不够5. 实操流程从零到出第一张能看的图5.1 选一个适合新手的模型模型决定了出图的基本风格。网上有成千上万个模型新手很容易挑花眼。我的建议是先选一个通用型的模型不要一上来就用那些风格化特别强的。通用模型对各种提示词的兼容性更好适合你练习写提示词。等你摸清楚自己的需求了再去下专门的模型。下载模型的时候注意看文件大小和格式。一般来说主模型是几个 G 的大文件格式是 safetensors 或者 ckpt。safetensors 更安全一些建议优先选这个格式。5.2 写一组完整的提示词我们来实际操作一遍。假设你想画“一个女孩在咖啡馆里看书”。正面提示词可以这样写一个年轻女孩坐在咖啡馆窗边看书棕色长发穿着米色毛衣桌上有一杯咖啡午后阳光透过窗户照进来温暖的光线浅景深胶片质感精细细节高清负面提示词模糊低质量变形多余的手指扭曲的脸过曝欠曝这组提示词里主体是女孩和咖啡馆细节是头发颜色、衣服、咖啡、光线风格是胶片质感质量词是精细细节和高清。负面词把常见的画面问题都排除了。5.3 参数设置与出图分辨率先设 512x512采样步数 25引导系数 7.5批次 4。点生成等十几秒到几十秒就能看到四张图。第一次出来的图可能不完美但只要有那么一两张的大结构是对的就说明你的提示词方向没问题接下来就是微调。如果四张图都很差先检查提示词有没有矛盾的地方比如同时写了“白天”和“夜晚”。如果没有矛盾那就换个种子再试。有时候就是种子的问题换个种子效果会好很多。5.4 基于结果迭代优化拿到第一组图之后挑一张你觉得最顺眼的固定它的种子然后开始微调。比如你觉得光线不够暖就在提示词里加“暖色调”并给一点权重觉得脸不够清晰就加“精致五官”并调高权重。每次只改一两个地方这样你才能知道哪个改动起了作用。我自己的习惯是每张图至少迭代三轮。第一轮看大结构第二轮调细节第三轮修瑕疵。三轮下来基本就能得到一张能拿得出手的图了。6. 常见问题与排查技巧实录6.1 出图全黑或者全灰这是新手最常见的问题之一。原因通常有几个一是 VAE 模型没配对有些主模型需要搭配特定的 VAE不配的话画面就会发灰二是提示词引导系数太低模型没接收到有效信息三是模型文件损坏重新下载一个试试。排查顺序建议是先换一个模型试试如果换了就好了说明是模型问题如果换了还不行检查 VAE 设置如果 VAE 也没问题把引导系数调到 7 以上再试。6.2 人物脸部崩坏脸部崩坏是扩散模型的老毛病了尤其是小分辨率下。解决办法有几个一是提高分辨率但注意不要一次性提太高可以先用低分辨率出图再用放大功能放大二是在负面提示词里加强脸部相关的词比如“扭曲的脸、不对称的眼睛”三是用专门修脸的插件这个后面进阶的时候再说。我自己的经验是512x512 下脸部崩坏的概率比较高提到 768x768 会好很多但显存占用也会增加。如果你的显存不够就先用 512 出图然后用放大算法放大。6.3 画面风格不对有时候你想要的是一种风格出来的却是另一种。这通常是模型的问题不是提示词的问题。每个模型都有自己的“偏好”有的偏写实有的偏动漫有的偏油画。你得选一个跟你想要的风格匹配的模型然后再用提示词微调。如果模型对了但风格还是不对检查一下提示词里有没有风格相关的词。比如你想要水彩风格就得写“水彩画风格、水彩质感”光写“水彩”可能不够。6.4 生成速度太慢速度慢的原因通常是显存不够模型在内存和显存之间来回倒腾。解决办法降低分辨率、减少批次数量、开启低显存模式、关闭一些不必要的插件。如果这些都不行那可能就是硬件瓶颈了只能接受这个速度或者升级硬件。提示出图的时候不要同时开太多其他程序尤其是吃显存的程序比如游戏或者视频剪辑软件。关掉它们速度会明显提升。6.5 常见问题速查表问题可能原因解决办法全黑/全灰VAE 不匹配、引导系数低换 VAE、调高引导系数脸部崩坏分辨率低、模型不擅长人脸提高分辨率、加负面词风格不对模型选错、提示词缺风格词换模型、补风格词速度慢显存不足、后台程序占用降分辨率、关后台程序画面混乱提示词堆砌、权重冲突精简提示词、调整权重7. 进阶方向出图之后还能做什么7.1 图生图与局部重绘文生图只是起点。当你有一张基本满意的图之后可以用图生图功能在此基础上修改。比如你觉得背景不好看就可以用局部重绘把背景换掉人物保持不变。这个功能特别实用相当于给你一张图做“微创手术”。局部重绘的关键是蒙版要涂准。涂多了会把不想改的地方也改掉涂少了改不干净。我一般会稍微涂大一点然后调低重绘幅度这样边缘过渡会比较自然。7.2 放大与细节增强低分辨率出图再放大是兼顾速度和质量的标准做法。放大算法有好几种有的适合写实有的适合动漫。放大之后还可以用细节增强功能再加一遍细节让画面更锐利。不过要注意放大倍数太高会出现伪影一般放大到两倍左右比较合适。7.3 模型融合与 LoRA 的使用当你对基础模型有了一定了解之后可以尝试模型融合就是把两个模型的权重按比例混合得到一个兼具两者特点的新模型。LoRA 则是一种轻量级的微调方式可以在不改动主模型的情况下给模型加上特定的风格或者角色。这两个方向内容比较多这里就不展开了等你把基础流程跑熟了再去研究。8. 我踩过的坑与给你的建议8.1 不要一次装太多模型我刚开始的时候特别兴奋一口气下了十几个模型结果硬盘满了不说每次选模型都要翻半天。后来我删到只剩三四个常用的反而效率更高。模型在精不在多先把一个模型用透比浅尝辄止地试十个模型强得多。8.2 提示词要记笔记我有个习惯每次出了一张好图就把提示词、参数、模型名都记下来。时间长了就形成了一套自己的“配方库”。下次想画类似的东西直接翻笔记改几个词就能用省了很多试错时间。这个习惯看起来笨但真的管用。8.3 别追求一步到位新手最容易犯的错就是想让第一张图就完美。这不现实。出图是一个迭代的过程第一张图定大方向第二张图调细节第三张图修瑕疵第四张图才可能达到你想要的效果。接受这个节奏心态会好很多。8.4 多看别人的参数网上有很多人分享自己的出图参数包括提示词、模型、种子。你可以照着他们的参数跑一遍看看出来的效果然后对比自己的参数找差距。这是进步最快的方法之一。不过要注意同样的参数在不同硬件上可能有细微差异不要死磕完全一致。8.5 保持耐心享受过程Stable Diffusion 这个东西入门容易精通难。前几个小时可能都在摸索但一旦你出了第一张让自己满意的图那种成就感是很强的。我到现在还记得自己第一张能看的图出来的时候虽然现在回头看那张图很粗糙但当时真的挺激动的。所以别急慢慢来这个过程本身就挺有意思的。最后分享一个小技巧如果你在某一步卡住了不妨把提示词简化到最核心的几个词先确保大方向是对的然后再一点点加细节。这就像画画先打草稿再上色比一上来就抠细节要高效得多。