Stable Diffusion 使用教程：2026 本地 WebUI 入门与参数指南

Midjourney 适合追求画面质感、愿意订阅网页服务的创作者；如果你更在意可本地运行、可换模型、可批量出图、数据不出本机，那 Stable Diffusion 往往是更好的选择。这篇 Stable Diffusion 使用教程面向新手：讲清它是什么、和 Midjourney 怎么选、本地 WebUI 怎么装、文生图与常用参数怎么调，以及模型与 LoRA 的基本用法——全程聚焦工具本身，不捆绑第三方代理产品。

Stable Diffusion 是什么

Stable Diffusion（常简称 SD）是开源的文生图扩散模型体系。和闭源网页工具不同，你可以：

在自己的电脑（或云主机）上运行推理；
更换不同的基础模型（Checkpoint）与风格插件（LoRA）；
用 ControlNet 等扩展精确控制姿势、构图、线稿；
把工作流固化成可重复的参数组合，适合批量生产。

常见使用入口有两类：

图形界面：AUTOMATIC1111 WebUI、ComfyUI、Forge 等，适合大多数创作者；
工作流节点：ComfyUI 以节点连线著称，灵活但学习曲线更陡。

本文以目前仍广泛使用的 WebUI 文生图流程为主线，帮你先跑通“提示词 → 出图 → 调参”，再决定要不要深入 ComfyUI。

和 Midjourney 怎么选

维度	Stable Diffusion	Midjourney
部署方式	本地或自建服务	官方网页订阅
模型自由度	极高，可换 Checkpoint/LoRA	官方模型为主
画面“开箱即美”	依赖模型与调参	通常更省心
学习成本	中高	中低
隐私与离线	可完全本地	云端生成
适合人群	想控细节、批量、定制风格	想快速出高质量概念图

不是互斥关系：概念探索可用 Midjourney，量产与私有素材管线更适合 SD。Midjourney 操作见 Midjourney 使用教程。

Stable Diffusion 本地工作流示意图：模型、WebUI、提示词、生成结果

本地工作流可以概括为：准备模型文件 → 启动 WebUI → 输入提示词与参数 → 生成并迭代。

硬件与环境要求（务实版）

本地跑 SD，显卡是关键瓶颈：

NVIDIA 显卡 + 足够显存体验最好（常见建议从 6GB/8GB 起能跑基础分辨率，12GB 以上更从容）；
只有集显或显存很小也可以尝试，但要降低分辨率、启用优化选项，速度与效果都会受限；
内存建议 16GB 及以上；磁盘预留充足空间（单个模型动辄 2GB～7GB）。

软件侧通常需要：

较新的 Python 环境（以你所选 WebUI 文档要求为准）；
Git（用于克隆项目）；
对应平台的 GPU 驱动。

如果你暂时没有合适显卡，也可以先用支持 SD 的在线平台练手参数与提示词，再迁回本地——但模型版权与平台条款要各自遵守。

安装 WebUI 的大致步骤

不同系统细节不同，但逻辑一致：

安装 Git 与符合要求的 Python；
克隆你选择的 WebUI 仓库（例如 AUTOMATIC1111 的 stable-diffusion-webui）；
首次运行安装脚本，让它拉取依赖；
把下载好的 Checkpoint 模型放到 models/Stable-diffusion 目录；
启动后浏览器打开本地地址（常见为 http://127.0.0.1:7860）。

安装过程最常见的问题是：依赖下载失败、CUDA/驱动不匹配、路径含特殊字符。遇到报错时，优先对照该 WebUI 当前文档的环境说明，而不是盲目换教程版本——SD 生态迭代快，旧教程参数可能已失效。

文生图：从第一张图开始

进入 txt2img（文生图）页后，最小可用流程是：

在顶部选择一个 Checkpoint 模型；
在正向提示词（Prompt）写画面描述；
在反向提示词（Negative prompt）写不想出现的元素；
设定尺寸、步数、采样器、CFG，点击生成。

示例（可按需改写）：

正向：
a red fox sitting on a mossy stone in a misty forest,
soft morning light, highly detailed fur, cinematic composition

反向：
lowres, blurry, deformed, extra limbs, watermark, tex

中文提示词很多模型也能理解，但大量社区模型与质量词仍以英文标签训练为主；实务上常见做法是：主体可用中文思考，关键质量词与风格词用英文，或先用翻译整理一版英文提示词再生成。

Stable Diffusion 文生图参数面板示意图：采样步数、CFG、尺寸、种子

新手优先掌握四个旋钮：分辨率、Sampling steps、CFG Scale、Seed；先稳住这四个，再谈高级扩展。

新手最该懂的参数

参数	作用	新手建议
分辨率 Width/Height	出图尺寸	先从 512～768 一边长试起，显存不够就降
Sampling steps	去噪迭代次数	常见 20～30；太低糊，太高收益递减
CFG Scale	提示词遵从强度	常见 5～8；过高易僵硬、过饱和
Sampler	采样算法	先固定一个常用采样器做对比，勿同时改太多变量
Seed	随机种子	`-1` 为随机；出了好图就锁定 Seed 做微调
Batch	一次出几张	显存允许时可一次出 2～4 张做挑选

调参原则：一次只改一个变量。否则你不知道是提示词生效了，还是 CFG 改坏了。

模型、LoRA 与扩展（先建立正确心智）

Checkpoint（大模型）：决定“底子”——像写实、动漫、建筑等大方向；
LoRA：轻量风格/角色插件，叠在大模型上，适合补特定画风或角色特征；
VAE：影响色彩与细节解码，某些模型需要搭配指定 VAE；
ControlNet（进阶）：用线稿、深度图、姿态骨架控制构图，是 SD 相对网页工具的重要优势。

下载模型时务必注意来源与许可协议：是否允许商用、是否要求署名、是否禁止再分发。不要默认“能下载就能商用”。

提示词怎么写才更稳

SD 提示词可以比聊天模型更“标签化”，但仍建议保持结构：

主体（谁/什么）；
动作与场景；
光影与镜头；
画质词（适度，堆太多反而互相打架）；
反向提示词清掉常见瑕疵。

若你已经学过通用提示词方法，可以把“约束清晰、少空话”迁移过来，再叠上 SD 的质量词与反向词习惯。方法见提示词工程教程。

Stable Diffusion 使用教程常见问题（FAQ）

Q：Stable Diffusion 必须付费吗？ A：模型与多数 WebUI 本身开源可本地使用；你需要承担的是电脑硬件与电费，或云主机费用。第三方在线平台另算。

Q：没有高端显卡能学吗？ A：能先学提示词、参数与工作流概念；本地出图会慢或受限。也可先用在线 SD 服务验证流程，再决定是否升级硬件。

Q：出图总是手脚崩坏、人脸崩坏怎么办？ A：先换更匹配你题材的模型；降低分辨率试跑；加强反向提示词；进阶再用修复（inpaint）或专用修复模型。不要只靠无限加质量词硬堆。

Q：WebUI 和 ComfyUI 我该选哪个？ A：想尽快出第一张图，选 WebUI 更直接；需要复杂可复现工作流、节点化管线，再学 ComfyUI。可以先 WebUI 建立直觉，再迁移。

Q：生成的图片能商用吗？ A：取决于你使用的 Checkpoint/LoRA 的许可证，以及你所在地区的法律规定。开源不等于一律可商用，发布前请核对模型页面的 License。

总结

Stable Diffusion 的核心价值是可控与可扩展：模型可换、流程可本地、细节可用 ControlNet 锁定。新手不必一次学完所有扩展——先装好 WebUI，跑通文生图，吃透分辨率、步数、CFG、Seed 四个参数，再按需加 LoRA 与 ControlNet。若你更想要“少调参、快速出漂亮概念图”，可以并行参考 Midjourney 使用教程；若卡在提示词结构，先补提示词工程教程。

Stable Diffusion 使用教程：2026 本地 WebUI 入门与参数指南 ​

Stable Diffusion 是什么 ​

和 Midjourney 怎么选 ​

硬件与环境要求（务实版） ​

安装 WebUI 的大致步骤 ​

文生图：从第一张图开始 ​

新手最该懂的参数 ​

模型、LoRA 与扩展（先建立正确心智） ​

提示词怎么写才更稳 ​

Stable Diffusion 使用教程常见问题（FAQ） ​

总结 ​

相关资源 ​