Stable Diffusion WebUI 从零到精通的完整实战指南：安装、提示词与高级技巧

1. 项目概述：为什么你需要这份Stable Diffusion指南？

如果你最近被网上那些“AI绘画”、“一句话生成图片”的酷炫效果刷屏，心里痒痒的，但一打开各种教程，扑面而来的“WebUI”、“Checkpoint”、“LoRA”、“VAE”这些术语又让你瞬间头大，感觉无从下手——那么，你找对地方了。

这份指南，就是为你准备的。它不是一份冷冰冰的软件说明书，也不是东拼西凑的零散教程。我把它看作一份“从零到一，再到精通”的实战地图。在过去一年多的时间里，我几乎每天都在和Stable Diffusion打交道，用它完成商业项目、进行个人创作，也踩遍了新手可能遇到的所有坑。我发现，绝大多数人学不会SD，不是因为工具复杂，而是因为缺乏一条清晰、连贯、能立刻看到反馈的学习路径。

Stable Diffusion，这个2022年横空出世的AI绘画模型，彻底降低了图像生成的门槛。它不再是少数研究员的玩具，而是每个有创意想法的人都能握在手中的画笔。其核心价值在于“可控的创造力”：你不再需要高超的绘画技巧，而是通过“提示词”（Prompt）与AI进行对话，引导它生成你脑海中的画面。而AUTOMATIC1111开发的WebUI，则像给这台强大的引擎装上了方向盘、油门和仪表盘，让它变得易于驾驶。

但问题也在这里。功能太强大，选项太繁多，社区资源太爆炸。新手很容易迷失在安装配置、模型下载、参数调试的海洋里，折腾几天可能连一张像样的图都出不来，热情迅速被挫败感浇灭。

所以，这份“五月最新版”指南的目标非常明确：帮你绕开所有不必要的弯路，用最高效的方式，掌握Stable Diffusion WebUI的核心用法，并立刻开始创作。我会从最基础的“如何把它成功跑起来”讲起，一步步带你理解核心概念，掌握关键操作，并分享那些只有长期使用才能积累的“调参直觉”和避坑技巧。无论你是想用它做设计素材、游戏原画、社交媒体配图，还是单纯享受创造的乐趣，这篇指南都将是你最可靠的起点。

2. 环境部署与WebUI安装：避开99%的安装坑

万事开头难，而安装SD WebUI对新手来说往往是第一道坎。网上教程五花八门，有让你装Python、Git的，有直接下整合包的，还有推荐云端运行的。这里我直接给你最稳妥、最高效的方案，并解释为什么这么选。

2.1 硬件要求与方案选择：你的电脑能跑吗？

首先，你得知道你的设备是否够格。SD的核心计算依赖显卡的GPU（尤其是NVIDIA的CUDA核心）。

  • 最低配置（能跑，但体验受限）： NVIDIA显卡，显存4GB（如GTX 1650）。你可以生成512x512的标准图，但批次生成（batch）或使用高分辨率修复（Hires. fix）时会非常慢，甚至爆显存。这是很多新手觉得“卡顿”的主要原因。
  • 推荐配置（舒适体验）： NVIDIA显卡，显存8GB或以上（如RTX 3060 12G, RTX 4060 Ti 16G）。这是目前的主流甜点区间，可以流畅运行大部分模型，进行高清修复和局部重绘。
  • 高性能配置（创作无忧）： 显存12GB以上（如RTX 4080, 4090）。你可以随意尝试各种大型模型，进行多图对比、快速迭代，效率极高。
  • 苹果Mac（M系列芯片）： 通过特定版本（如--precision full --no-half参数）可以运行，速度尚可，但生态兼容性（如某些插件）不如NVIDIA平台。
  • AMD显卡/集成显卡/无显卡： 非常不推荐本地部署。你可以选择云端方案，这是成本最低的入门方式。

我的实操心得：不要盲目追求顶级显卡。对于绝大多数初学者和普通创作者，一张8GB显存的显卡（如RTX 3060 12G版）性价比最高。它能覆盖90%的创作需求。如果你只有4GB显存，重点学习如何优化参数（如使用--medvram或--lowvram启动参数，以及后面会讲的TAESD预览器）来避免爆显存。

2.2 本地部署：秋叶整合包——新手的绝对首选

对于Windows用户，我强烈反对从零开始安装Python、Git、配置环境。那是最容易出错、最劝退新手的路径。社区大神“秋葉aaaki”制作的启动器整合包，是中文社区公认的“救命神器”。

为什么选它？

  1. 一键安装：解压即用，内置了所有依赖（Python, Git, CUDA库等），无需复杂配置。
  2. 强大的启动器：图形化界面管理版本、插件、模型，还能一键更新、修复依赖、设置启动参数，对新手极度友好。
  3. 问题排查工具：内置了环境检测、错误日志查看等功能，出了问题能快速定位。
  4. 社区支持：用户基数大，你遇到的任何问题，几乎都能在相关讨论中找到答案。

安装步骤（2024年5月最新版流程）：

  1. 获取整合包：在可靠的源（如秋葉的B站动态或AI绘画社区）下载最新的Stable Diffusion整合包v4.x。文件较大（约10GB），确保网络稳定。
  2. 解压：找一个磁盘空间充足（建议预留50GB以上）且路径不含中文和特殊字符的文件夹进行解压。例如D:\SDWebUI。
  3. 首次启动：进入解压后的文件夹，双击运行启动器运行依赖.exe（只需运行一次），安装系统必要的运行库。然后运行A启动器.exe。
  4. 一键启动：在启动器界面，直接点击右下角的“一键启动”。启动器会自动完成剩余环境的配置和WebUI的启动。首次启动会下载一些必要组件（如clip模型），需要一定时间，请保持网络通畅。
  5. 访问WebUI：当命令行窗口出现 “Running on local URL: http://127.0.0.1:7860” 时，打开浏览器，输入这个地址，就能看到SD WebUI的界面了。

踩坑记录：如果启动失败，90%的问题源于网络（下载失败）或路径有中文。请检查启动器日志，并尝试：

  • 在启动器“高级选项”中，设置“国内镜像加速”（如阿里云、清华源）。
  • 彻底关闭杀毒软件和Windows Defender实时保护（有时会误杀关键文件）。
  • 确认磁盘空间足够。

2.3 备选方案：云端部署——零硬件门槛的体验

如果你的电脑不符合要求，或者不想占用本地资源，云端服务是完美选择。它的原理是租用远程服务器的显卡来运行SD。

主流平台对比：

平台优点缺点适合人群
Google Colab免费（有限制），直接在线运行笔记本需要科学上网，免费额度不稳定，运行时长短尝鲜者，轻度用户
AutoDL国内网络直连，按量计费（约1-2元/小时），镜像丰富，关机不计费需要实名认证，存储需额外购买国内主流选择，学生、创作者
Lambda Labs海外主流，机器性能强需要国际支付方式，网络延迟可能较高海外用户，专业团队

以AutoDL为例的极简流程：

  1. 注册并实名认证AutoDL。
  2. 在“容器实例”页面，选择“社区镜像”，搜索“stable-diffusion-webui”，选择一个高星镜像（如“秋葉”或“Stable-Diffusion-WebUI”）。
  3. 选择显卡型号（RTX 3090/4090等），点击“立即创建”。
  4. 实例创建成功后，在“快捷工具”栏点击“自定义服务”，即可获取访问WebUI的链接。
  5. 所有操作都在浏览器中进行，模型文件保存在云端，下次开机数据仍在。

注意事项：云端方案按使用时长计费，不用时一定要关机！同时，重要产出记得及时下载到本地，避免因平台策略变化导致数据丢失。

3. 核心界面与工作流解析：读懂AI绘画的“控制台”

成功打开WebUI后，别被密密麻麻的按钮吓到。我们只需聚焦几个最核心的区域，就能开始创作。整个生成流程可以概括为：写提示词 -> 选模型 -> 调参数 -> 点生成 -> 后处理。

3.1 文生图（txt2img）：一切的起点

这是最常用、最基础的功能。你描述文字，AI生成图片。

核心区域详解：

  1. 提示词（Prompt）输入框：这是你与AI沟通的“语言”。分为两栏：

    • 正向提示词：描述你想要什么。越详细、越具体越好。例如：masterpiece, best quality, 1girl, solo, long silver hair, blue eyes, detailed cyberpunk city background, neon lights, rain, cinematic lighting
    • 反向提示词（Negative prompt）：描述你不想要什么。用于排除常见瑕疵，能极大提升出图质量。一个通用的基础反向词库是：(worst quality, low quality:1.4), monochrome, zombie, (extra limbs, poorly drawn hands, poorly drawn face:1.2), mutated hands, mutated fingers, bad anatomy。你可以保存这个组合，每次生成时调用。

  2. 生成参数区：

    • 采样方法（Sampling method）：AI从噪声中“绘制”图像的算法。新手推荐：
      • Euler a：创意性强，出图快，风格多变，适合探索。
      • DPM++ 2M Karras：细节扎实，稳定性高，适合需要精准控制的场景。
    • 采样迭代步数（Sampling steps）：AI“思考”的步数。不是越高越好！通常20-30步是质量和速度的平衡点。步数过高（如50以上）不仅耗时，还可能产生过饱和的奇怪效果。
    • 宽度/高度（Width/Height）：生成图像的尺寸。重要原则：不要一上来就追求2K、4K大图！SD在训练时多用512x512或768x768的图。直接生成大尺寸图容易导致人物畸形、画面元素重复。正确的做法是：先用基础尺寸（如512x768竖图，768x512横图）生成满意的构图，再用高清修复（Hires. fix）功能放大。
    • 提示词相关性（CFG Scale）：AI听从你提示词指令的“程度”。通常设置在7-12之间。太低（<5）则天马行空，不听话；太高（>15）则色彩过度饱和，画面僵硬。
    • 随机种子（Seed）：图像的“DNA”。固定种子，在其它参数不变时，可以生成几乎完全相同的图；设置为-1则每次随机。这是复现优秀结果和进行细微调整的关键。

  3. 模型选择区：点击左上角下拉框，选择你加载的模型。模型决定了画风、知识范围和生成质量。这是影响出图效果的第一大因素。

3.2 图生图（img2img）：基于现有图像的再创造

这是功能最强大的模块之一。你可以上传一张图，让AI在此基础上进行重绘、风格迁移、内容扩展等。

核心模式解析：

  • 重绘幅度（Denoising strength）：这是图生图的“灵魂参数”，控制AI在多大程度上“无视”原图。

    • 低重绘（0.2-0.4）：微调。适合给线稿上色、修复老照片、轻微风格化。原图结构基本保留。
    • 中重绘（0.5-0.7）：再创作。适合改变画风（如真人转二次元）、替换局部内容。原图构图和色彩会被较大程度参考。
    • 高重绘（0.7以上）：大变样。AI几乎只把原图当作一个“噪声起点”，生成全新内容。适合彻底改变画面。

  • 局部重绘（Inpaint）：修图神器。用画笔涂黑你想修改的区域，AI会只重绘这个区域，并与周围画面自然融合。比如给人物换发型、换衣服，去掉图片中不想要的物体。

    • 蒙版模糊（Mask blur）：让蒙版边缘过渡更自然，值通常设为4-8。
    • 蒙版模式：
      • 重绘蒙版内容：只画你涂黑的区域。
      • 重绘非蒙版内容：只画你没涂的区域（保护涂黑区域）。

  • 涂鸦（Sketch）与局部重绘（上传蒙版）：可以手绘草图或上传精确的蒙版图来指导AI作画，控制力更强。

3.3 模型管理与扩展：你的AI艺术工具箱

模型（Checkpoint）是SD的“大脑”，决定了它的绘画风格和能力。WebUI的models/Stable-diffusion目录就是存放大脑的地方。

模型类型全解：

  1. 基础大模型（Checkpoint）：完整模型，文件大（通常2-7GB），是生成图像的基石。例如：

    • chilloutmix：擅长亚洲风格真人。
    • dreamshaper：通用性强，写实与动漫兼顾。
    • revAnimated：动画风格，表现力强。
    • SDXL 1.0：新一代官方模型，原生支持1024x1024高分辨率，细节更丰富，但对硬件要求更高。

  2. 微调模型（LoRA/LyCORIS）：小型适配器（通常几十到几百MB），用于对特定风格、人物或概念进行精细控制。它必须配合大模型使用。比如，加载一个“汉服LoRA”，就能让任何大模型画出汉服人物。LoRA是实现定制化创作的利器。

  3. 变分自编码器（VAE）：负责控制图像的色彩和细节。有些大模型内置了VAE，有些需要额外加载。如果你觉得生成的图片灰蒙蒙、色彩暗淡，尝试在“设置”->“Stable Diffusion”中加载一个合适的VAE（如vae-ft-mse-840000-ema-pruned.ckpt），画面会立刻鲜艳清晰起来。

  4. 超网络（Hypernetwork）与嵌入（Embedding/Textual Inversion）：更轻量级的微调方式。Embedding是几个KB的小文件，通过特定的触发词来调用，常用于定义某种画风或纠正模型偏差（如“bad-hands-5”用于改善手部绘制）。

如何安装与管理？

  • 下载：从Civitai、Hugging Face等模型站下载对应文件。
  • 放置：
    • 大模型（.safetensors或.ckpt）放入models/Stable-diffusion
    • LoRA放入models/Lora
    • VAE放入models/VAE
    • Embedding放入embeddings
  • 刷新：在WebUI左上角点击刷新按钮，即可在下拉菜单中看到新模型。

核心技巧：不要贪多！新手期下载2-3个评价高、风格喜欢的大模型，搭配几个实用的LoRA（如细节增强、特定画风）足矣。模型太多不仅占用硬盘，还会让你选择困难。先精通一个模型，再拓展。

4. 提示词工程与参数精调：从“抽卡”到“指挥”

掌握了界面和模型，接下来就是最核心的“沟通艺术”——写提示词和调参数。这是区分“随机抽卡”和“精准控制”的关键。

4.1 提示词结构化写作法：让AI听懂你的话

好的提示词不是词语的堆砌，而是有结构的“描述文档”。

1. 基础结构（从全局到局部）：

（画质与风格标签），（主体描述），（细节与属性），（场景与环境），（构图与镜头），（光影与色彩），（其他特效）
  • 示例：masterpiece, best quality, ultra-detailed, 1girl, beautiful detailed eyes, long flowing blonde hair, wearing elegant white dress, standing in a sunlit forest clearing, dappled sunlight, photorealistic, depth of field, bokeh

2. 权重控制语法（精确调整影响力）：

  • (word)：提高权重，约为1.1倍。((word))约为1.21倍。括号可嵌套。
  • [word]：降低权重，约为0.9倍。
  • (word:1.5)：精确指定权重为1.5倍。
  • word1 AND word2：组合提示词，让AI同时考虑两个概念。

3. 负面提示词（Negative Prompt）黄金公式：反向提示词能有效过滤低质量内容。建议建立一个文本文件保存你的“负面词库”，每次生成时粘贴。一个高效的组合如下：

(worst quality, low quality, normal quality:1.4), (jpeg artifacts, signature, watermark, username, blurry:1.2), (bad anatomy, bad hands, missing fingers, extra digit, fewer digits:1.3), (bad feet, extra legs, extra arms, extra fingers, mutated hands:1.3), (text, error, missing, extra digit, fewer digits, cropped:1.2), (deformed iris, deformed pupils, semi-realistic, 3d, doll:1.1)

4.2 关键参数深度解读：不只是滑动条

每个参数背后都有其数学和工程原理，理解它们能让你调参时更有把握。

1. 采样迭代步数（Steps）与采样器（Sampler）：

  • Steps：可以理解为AI“去噪”的步骤。步数太少（<10），画面粗糙未完成；步数适中（20-30），细节和效率平衡；步数过多（>50），收益递减，甚至引入噪声。
  • Sampler：不同采样器是求解同一方程的不同数学方法。
    • Euler a：祖先采样器，随机性强，每一步都引入新噪声，适合创意发散，但连续性差（相邻步数结果可能差异大）。
    • DPM系列（如DPM++ 2M Karras）：现代主流，收敛快，细节好，稳定性高，适合需要确定性的工作。
    • DDIM：较老的采样器，速度慢但过程可逆，常用于图像编辑研究。
    • 新手建议：文生图用DPM++ 2M Karras，Steps=20；图生图用Euler a，Steps=20-30，利用其随机性创造更多变化。

2. 提示词相关性（CFG Scale）：这个参数控制条件（你的提示词）对生成过程的引导强度。可以想象成一个“听话度”旋钮。

  • 低CFG（1-5）：AI自由发挥，艺术性强，但可能完全偏离提示。
  • 常用范围（7-12）：在遵循指令和保持画面自然间取得平衡。人像常用7-9，场景常用9-12。
  • 高CFG（>15）：AI会“过度解读”你的提示词，导致色彩对比度过强、线条生硬、画面像塑料。除非追求特定高对比度风格，否则慎用。

3. 高清修复（Hires. fix）：小图起稿，智能放大这是生成高分辨率图像的正确姿势，能有效避免直接生成大图时的畸形和多头多手问题。

  • 原理：先以低分辨率（如512x768）生成一张图，然后使用一个独立的“放大算法”对其上采样，最后再用SD模型以较低的“重绘幅度”对放大后的图进行细节补充和微调。
  • 参数设置：
    • 放大算法（Upscaler）：推荐R-ESRGAN 4x+或Latent（速度快）用于真人，R-ESRGAN 4x+ Anime6B用于动漫。
    • 重绘幅度（Denoising strength）：关键参数！通常设置在0.2-0.4之间。太低（<0.2）只是单纯放大，细节模糊；太高（>0.5）会引入过多新噪声，改变原图。
    • 放大倍数（Upscale by）：2倍通常是安全且效果好的选择。你可以多次使用，例如先2倍，满意后再2倍。

4.3 X/Y/Z图表：科学实验般的参数对比

这是WebUI里最强大的分析工具，没有之一。它可以让你一次性对比多个参数的不同取值，直观地看到每个参数的影响。

如何使用？

  1. 在文生图或图生图界面，生成一张你觉得还不错的图。
  2. 拉到页面最下方，找到“脚本（Script）”下拉菜单，选择“X/Y/Z plot”。
  3. X轴类型：选择你想对比的第一个参数，如“采样器（Sampler）”。
  4. X轴值：输入你想对比的采样器，用逗号隔开，如Euler a, DPM++ 2M Karras, DDIM。
  5. Y轴类型：选择第二个参数，如“CFG Scale”。
  6. Y轴值：输入一系列CFG值，如7, 9, 11, 13。
  7. 点击生成。你会得到一个网格图，横向是不同的采样器，纵向是不同的CFG值，一眼就能看出哪种组合效果最佳。

我的工作流：在确定大致构图和提示词后，我几乎必用X/Y/Z图表。最常用的对比组合是：X轴：Steps (15, 20, 25, 30)，Y轴：CFG Scale (7, 8, 9, 10)。这能帮我快速找到当前模型和提示词下的最优“步数-CFG”平衡点，极大提升出图效率和质量。

5. 高级功能与插件生态：释放SD的终极潜力

当你熟悉了基础操作后，这些高级功能和插件将把你的创作能力提升到新的维度。

5.1 ControlNet：精准控制构图与姿态

如果说提示词是“语言指挥”，那么ControlNet就是“手把手教AI画画”。它允许你通过输入一张草图、姿势图、深度图或边缘检测图，来严格控制生成图像的构图、姿态和结构。

核心预处理器与模型：

  1. OpenPose（姿态检测）：上传一张人物照片，它能提取骨骼姿态，让生成的人物摆出完全相同的姿势。这是画角色一致性漫画或特定动作的利器。
  2. Canny（边缘检测）：上传线稿或任何图片，它提取清晰的轮廓线，让AI严格按照这个轮廓填充内容。适合将草图变成完成稿。
  3. Depth（深度图）：控制画面的前后景深关系。可以让AI理解哪里是前景，哪里是背景，生成具有立体感的图像。
  4. Scribble（涂鸦）：你随便画几笔色块，AI就能脑补出一张完整的画。控制力较弱，但创意发散性强。
  5. IP-Adapter（参考图风格/内容）：2023年的革命性插件，可以上传一张图，让AI同时参考其内容（是什么）和风格（像什么）。效果极其强大。

安装与使用要点：

  • 安装：在WebUI的“扩展（Extensions）”标签页，选择“从网址安装”，输入ControlNet的GitHub仓库地址即可。
  • 使用流程：安装后，在文生图/图生图界面下方会出现ControlNet折叠面板。通常你需要：
    1. 上传控制图（如一张姿势照片）。
    2. 勾选“启用”。
    3. 选择“预处理器”（如openpose）和“模型”（如control_v11p_sd15_openpose）。
    4. 调整“控制权重”和“引导介入时机”等参数。权重一般从1.0开始尝试。

避坑指南：ControlNet不是万能的。权重过高（如>1.5）会导致画面僵硬，失去AI的创造性；权重过低（如<0.5）则控制力不足。通常，对于需要严格控制的线稿（Canny），权重可以高一些（1.0-1.2）；对于只是提供参考的姿势（OpenPose），权重可以低一些（0.8-1.0）。多试几次找到感觉。

5.2 附加功能（Extras）与后期处理

生成图片后，WebUI内置的“附加功能”标签页提供了强大的后期处理工具。

核心工具：

  1. 图片缩放（Upscale）：使用不同的AI放大算法（如ESRGAN系列）来提升图片分辨率，同时增强细节。与Hires. fix的事前放大不同，这是事后放大。
  2. 面部修复（Face Restoration）：当生成的人脸模糊或畸形时，使用GFPGAN或CodeFormer可以奇迹般地修复。CodeFormer在保真度和修复效果上通常更胜一筹，权重调到0.5-0.7之间效果较好。
  3. 图片信息（PNG Info）：将任何SD生成的图片拖入此标签页，可以读取其生成参数（种子、提示词等），一键发送到文生图进行复现或修改。这是学习他人优秀作品的最佳途径。

5.3 扩展（Extensions）推荐：必备效率神器

WebUI的扩展系统极其丰富。除了必装的ControlNet，还有几个能极大提升体验的扩展：

  1. Dynamic Prompts（动态提示词）：支持在提示词中使用__动物__这样的语法，让AI每次从预设列表中随机选择一个词，用于批量生成多样化内容。
  2. Civitai Helper（模型管理）：可以直接在WebUI内浏览、下载Civitai上的模型和LoRA，并自动匹配预览图，管理模型变得无比轻松。
  3. Tagger（图像反推）：比内置的CLIP反推更强大，特别是对动漫图片，能反推出非常详细的Danbooru风格标签，为图生图提供优秀的提示词起点。
  4. After Detailer（adetailer）：手部、面部修复救星。在生成后自动检测画面中的人脸或手部，并用更高的精度重绘这些区域，显著改善崩坏问题。
  5. Mov2mov（视频生成）：让SD处理视频，实现风格化、补帧等效果，虽然计算量大，但打开了视频创作的大门。

6. 实战工作流与问题排查：从想法到成品

理论说再多，不如实际走一遍。我们用一个完整的案例，串联起所有知识点。

案例目标：生成一张“在夜晚雨中的赛博朋克都市，一位打着透明雨伞的机甲少女”的插画。

6.1 工作流步骤拆解

第一步：模型与构思

  • 模型选择：赛博朋克风格，我选择dreamshaper大模型，因为它对科幻和现实风格的融合处理得很好。再加载一个cyberpunk_style的LoRA来强化风格。
  • 构思提示词：在脑中拆解元素：主体（机甲少女）、属性（透明雨伞）、场景（夜晚、雨中、赛博都市）、风格（插画、霓虹、电影感）。

第二步：文生图出草稿

  • 正向提示词：(masterpiece, best quality, ultra-detailed, 8k wallpaper), 1girl, cyborg, mechanical parts on face and arms, wearing sleek black armor, holding a transparent umbrella, (rainy night, wet streets:1.3), neon-lit cyberpunk city, towering skyscrapers, holographic advertisements, (cinematic lighting, volumetric fog, reflections:1.2), dynamic angle, looking at viewer
  • 反向提示词：粘贴我们的“黄金公式”。
  • 参数：采样器DPM++ 2M Karras，步数25，尺寸512x768（竖图），CFG8，种子-1（随机）。
  • 生成：点击生成，得到一批草图。选择一张构图、氛围最接近预期的一张，固定它的种子（比如12345）。

第三步：使用ControlNet强化控制

  • 我发现选中图片的人物姿势不错，但背景建筑有点乱。我想让建筑更规整一些。
  • 打开ControlNet单元，上传一张干净的赛博朋克城市线稿（或找一张类似的照片）。
  • 预处理器选择canny，模型选择control_v11p_sd15_canny，控制权重1.1。
  • 保持其他参数和种子不变，再次生成。这次，AI会更好地遵循我提供的城市轮廓。

第四步：高清修复与细节优化

  • 在文生图界面，勾选“高清修复（Hires. fix）”。
  • 放大算法选R-ESRGAN 4x+，放大倍数2，重绘幅度0.35。
  • 点击生成。得到一张分辨率更高（1024x1536）、细节更丰富的图。
  • 观察发现，机甲少女的面部细节有些模糊。转到“附加功能”页，使用CodeFormer进行面部修复，权重设0.6。
  • 如果对手部不满意，可以启用adetailer扩展，指定检测手部并进行重绘。

第五步：局部调整（可选）

  • 我觉得雨伞不够“透明”，想加强一下。
  • 进入“图生图”的“局部重绘”模式，上传最终图片。
  • 用画笔仔细涂抹雨伞区域。
  • 提示词改为：crystal clear umbrella, raindrops on surface, highly transparent。
  • 重绘幅度设为0.5，蒙版模糊6。
  • 生成，得到一个雨伞更透明的版本，与周围环境融合。

6.2 常见问题与速查表

在实操中，你一定会遇到各种问题。这里列出最典型的几种及其解决方案：

问题现象可能原因解决方案
画面模糊、缺乏细节1. 步数（Steps）太低
2. CFG Scale太低
3. 模型本身能力有限或未加载VAE		1. 增加步数至25-30
2. 提高CFG至8-10
3. 在设置中加载一个VAE文件
人物面部畸形、多手多脚1. 分辨率设置不当（非标准比例或直接过大）
2. 提示词描述矛盾或过于复杂
3. 模型在人体解剖上训练不足		1. 使用标准尺寸（如512x512, 512x768, 768x512），并用Hires. fix放大
2. 简化提示词，在反向词中加入bad anatomy
3. 使用adetailer扩展或生成后使用CodeFormer修复
色彩暗淡、发灰未加载或使用了不合适的VAE在“设置”->“Stable Diffusion”中，选择vae-ft-mse-840000-ema-pruned.ckpt或其他VAE
生成速度极慢1. 显存不足，使用了虚拟内存
2. 图片尺寸过大
3. 未启用xformers优化		1. 在启动参数中添加--medvram或--lowvram
2. 减小生成尺寸，或用小图+Hires. fix
3. 确认xformers已安装（秋叶包通常已集成）
画面元素混乱、不符合提示1. 提示词权重或顺序不当
2. CFG Scale过高或过低
3. 不同概念在提示词中冲突		1. 使用括号()加强核心词，用[ ]减弱次要词
2. 将CFG调整到7-12之间
3. 使用AND连接符分隔冲突概念，或分步生成
安装/启动报错1. 路径含中文/特殊字符
2. 网络问题导致依赖下载失败
3. 显卡驱动或CUDA版本不匹配		1. 确保SD所在路径全英文
2. 使用启动器内的“版本管理”或“疑难解答”功能修复
3. 更新显卡驱动至最新版

6.3 我的核心心得：培养“参数直觉”

最后，分享几点只有长期使用才能悟出的经验：

  1. 先求有，再求好：不要在第一张图上纠结一小时。用低步数（15-20）、小尺寸快速生成几十张草图，找到喜欢的构图和感觉，再固定种子进行精细化调整。这比死磕一张图效率高十倍。
  2. 善用“随机种子-1”：当你没有明确想法时，把种子设为-1，批量生成4-9张图，是寻找灵感和意外惊喜的最佳方式。
  3. 模型决定上限，提示词和参数决定下限：一个优秀的模型是成功的基础，但能否发挥其潜力，取决于你的提示词和参数调校。多花时间研究你主力模型的“脾气”。
  4. 建立你的素材库：收藏优秀的提示词组合、参数设置、以及生成的图片（记得保存PNG信息）。这些是你未来创作的宝贵弹药库。
  5. 拥抱不完美：AI绘画目前仍是一个“协作”过程，它负责提供创意和草稿，你负责筛选、指导和后期微调。接受它的随机性，并将其转化为创意的火花。

Stable Diffusion的世界没有终点，新的模型、插件和工作流每天都在涌现。这份指南为你打下了坚实的地基和绘制了核心地图，但最精彩的旅程，需要你亲自迈出第一步，在无数次“生成-调整-再生成”的循环中，找到属于你自己的创作节奏和独特风格。现在，打开你的WebUI，输入第一个提示词，开始这场充满惊喜的创作之旅吧。