一、本地运行适合哪些用户
Stable Diffusion WebUI 是目前广泛应用的 AI 绘画工具之一，其优势在于界面直观、插件生态丰富，并支持加载多种风格的本地模型。与在线绘图服务相比，本地部署更适合需要长期创作、批量出图、尝试自定义模型并自主控制数据存储位置的用户。只要电脑配置达标，安装完成后即可在浏览器界面中完成文生图、图生图、局部重绘、高清修复等操作。
本地模型运行对硬件有一定要求。推荐使用支持 CUDA 的独立显卡，显存 6GB 可满足基础创作，8GB 到 12GB 体验更稳定，16GB 以上适合更高分辨率、多插件及批量任务。内存建议 16GB 起步，硬盘建议预留 50GB 以上空间，因为基础模型、细化模型、LoRA、VAE、插件以及输出图片都会持续占用容量。若使用 CPU 运行，速度会明显变慢，仅适合流程测试。
二、安装前准备与版本选择
运行 Stable Diffusion WebUI 通常需要准备 Python、Git、显卡驱动以及 WebUI 程序文件。Windows 用户建议使用 Python 3.10.x 版本，安装时勾选“Add Python to PATH”，避免后续命令无法识别。Git 用于拉取和更新项目文件，也可通过压缩包方式下载，但后续更新不如 Git 便捷。
显卡驱动建议从显卡厂商官方渠道获取稳定版本，不要盲目追求最新测试版。驱动异常会导致 WebUI 启动失败、生成时报错或显存无法正确调用。安装完成后可打开命令提示符输入 nvidia-smi 检查显卡是否被系统识别。如果能看到显卡型号、驱动版本和显存占用，说明基础环境基本正常。
三、WebUI 程序部署流程
建议将 WebUI 放在英文路径下，例如 D:\AI\stable-diffusion-webui，避免中文路径或空格路径带来兼容问题。通过 Git 获取项目后，进入文件夹，双击 webui-user.bat 即可开始首次启动。首次启动会自动下载依赖文件，耗时取决于网络状态和电脑性能，过程中不要频繁关闭窗口。
如果启动窗口出现依赖下载失败，可先检查 Python 版本、磁盘权限和网络连通性，再重新运行。部分用户会把程序放在系统盘受保护目录，可能导致写入失败，建议放在非系统盘的独立文件夹中。首次启动成功后，命令行窗口会显示本地访问地址，通常是 https://127.0.0.1:7860，在浏览器打开即可进入 WebUI 界面。
四、模型下载的类型与选择
Stable Diffusion 的本地模型主要包括 Checkpoint 大模型、LoRA 小模型、VAE 色彩修正文件、Embedding 文本嵌入、ControlNet 控制模型等。新手最先需要准备的是 Checkpoint，它决定基础画风和生成能力。常见文件格式为 .safetensors 或 .ckpt，优先选择 .safetensors 格式，因为结构更清晰，安全性和加载体验通常更好。
下载模型时要关注模型适配版本。SD 1.5 模型资源丰富、显存压力低，适合大多数入门用户；SDXL 模型细节更强，但显存和生成时间要求更高。选择模型时应查看说明页中的推荐分辨率、触发词、是否需要指定 VAE、是否适合商用等信息。不要随意下载来源不明的模型文件，更不要运行模型包内夹带的可执行文件。
五、模型路径设置方法
Checkpoint 主模型应放入 stable-diffusion-webui\models\Stable-diffusion 文件夹。放入后回到 WebUI 页面，点击模型下拉框旁的刷新按钮，即可识别新模型。若仍看不到，检查文件后缀是否正确、文件是否下载完整、是否被放入了错误目录。
LoRA 模型放入 stable-diffusion-webui\models\Lora，使用时在提示词区域通过附加网络面板选择，或按模型说明添加调用格式。VAE 文件放入 models\VAE，并在设置页面或顶部快捷区域选择对应 VAE。Embedding 放入 embeddings 文件夹，重启或刷新后可在提示词中调用。ControlNet 模型则需先安装对应扩展，再放入 extensions\sd-webui-controlnet\models 或扩展说明指定的目录。
如果模型较多，不建议全部堆在一个目录中毫无命名规则。可以按“基础模型”“写实”“动漫”“产品图”“建筑”“LoRA角色”“LoRA风格”等方式分类，并在文件名中保留版本信息。定期清理重复模型，能减少查找成本，也能避免硬盘空间快速耗尽。
六、基础出图参数建议
新手测试模型时，建议从 512×512 或 768×768 开始，先确认模型能正常生成，再逐步提高分辨率。采样步数通常设置在 20 到 30 之间即可，过高不一定显著提升质量，反而增加耗时。CFG Scale 可从 6 到 8 起步，数值过低可能不听提示词，过高则容易画面僵硬或出现异常细节。
采样器可优先尝试 DPM++ 2M Karras、Euler a 等常见选项。不同模型对采样器的偏好不同，最可靠的方法是固定提示词和随机种子，对比不同采样器效果。提示词应包含主体、风格、构图、光线、镜头、材质等关键信息，反向提示词可加入低清晰度、变形、重复结构、错误手部等常见问题描述。
七、性能优化：显存、速度与稳定性
性能优化的核心是控制显存占用。显存较小的用户可在 webui-user.bat 中为 COMMANDLINE_ARGS 添加 --medvram 或 --lowvram。前者适合中等显存，后者牺牲速度换取更低占用。若使用较新的显卡和兼容环境，可尝试 --xformers 或相关内存优化组件，但不同版本兼容性存在差异，启用后应先小图测试。
分辨率是影响显存和速度的主要因素。不要一开始就直接生成超大图，推荐先低分辨率构图，再使用高清修复放大。高清修复的放大倍数可从 1.5 到 2 开始，重绘幅度控制在 0.25 到 0.45 之间，数值过高可能改变原图结构。批量数量也要谨慎设置，显存不足时可降低 Batch size，改用 Batch count 分批生成。
关闭不必要的插件也能提升稳定性。插件越多，启动越慢，冲突概率越高。建议只安装确实需要的扩展，并记录安装时间和用途。若某次更新后出现报错，可先禁用最近安装的扩展，再检查 WebUI 和依赖版本。长期使用时，可定期备份 webui-user.bat、models 目录索引、outputs 精选图和常用提示词。
八、常见问题与排查思路
启动后浏览器打不开页面，通常是程序尚未完成加载，需查看命令行是否出现本地地址。如果窗口闪退，多半与 Python 版本、路径权限或依赖损坏有关。可尝试删除 venv 文件夹后重新运行，让程序重建虚拟环境。注意删除前确认没有把个人文件放入该目录。
模型加载报错可能是文件损坏、版本不匹配或显存不足。可先换回基础模型测试，确认 WebUI 本身是否正常。出图全黑、颜色异常或风格偏差较大时，检查是否需要指定 VAE。生成速度突然变慢，可查看是否有其他软件占用显卡资源，或是否把分辨率、高清修复、批量参数设置过高。
提示词效果不稳定并不一定是模型问题。不同模型训练数据和标签习惯不同，同一组提示词在多个模型上的表现会有差异。建议每个常用模型建立一份参数记录，包括推荐尺寸、采样器、CFG、VAE、触发词和负面词，后续创作会更高效。
九、安全边界与使用建议
本地运行并不代表可以忽视安全。模型、插件和脚本应尽量来自可信发布页，下载后注意核对文件类型，不要执行来源不明的程序。WebUI 默认本地访问即可满足个人使用，不建议随意开放到公网环境。如果确需在局域网内访问，应设置访问控制，并确认电脑防护策略完善。
创作时还应注意素材授权、人物肖像、品牌元素和商用范围。不同模型作者对用途可能有不同限制，发布或商业使用前应查看许可说明。对企业用户而言，建议建立固定版本环境，不要在重要项目中临时更新主程序和插件，避免交付期间出现兼容问题。
总体来看，Stable Diffusion WebUI 的学习曲线主要集中在环境部署、模型管理和参数理解三个方面。先用稳定配置跑通基础流程，再逐步增加 LoRA、ControlNet、高清修复等能力，能显著降低故障率。只要目录清晰、来源可靠、参数有记录，本地模型工作流就能成为高效、可控的 AI 图像创作方案。
