AI 绘画入门不用云：Stable Diffusion WebUI 安装到出图完整教程（2026实战）

作者

想在自己电脑上跑 AI 绘画，绕不开一个项目：Stable Diffusion WebUI。之前写 ComfyUI 教程时提过一句，两者选一个入门的话，WebUI 上手更快：界面是网页，装完打开就能点。这篇把它装到跑通的全过程写一遍，Windows 和 Linux 都覆盖。

先交代项目状态，免得你装完发现界面老旧起疑：这个项目由 AUTOMATIC1111 维护，GitHub 上 16 万 star 量级，是 SD 系生态里用户最多的图形界面。它的版本号停在 2025 年 2 月的 v1.10.1，官方仓库之后没有再发新版本，社区衍生分支（比如 Forge）更活跃。但正因为它稳定、教程遍地，第一次玩本地绘画拿它入门依然是最顺的路。

装之前：先看你的机器行不行

本地绘画的本质是在自己显卡上跑一个十几亿参数的模型，门槛在显存：

  • NVIDIA 显卡：官方推荐路线，CUDA 生态最省心。4GB 显存能跑，8GB 起比较从容。
  • AMD 显卡：官方支持，Windows 走 DirectX 路线，Linux 走 ROCm，性能普遍不如同档 N 卡。
  • Intel 核显/独显、Apple Silicon：都有安装路径，速度慢一些，属于能用但不痛快。
  • 纯 CPU：能出图，一张几十秒到几分钟，适合验证流程，不适合日常玩。

没有合适显卡也别硬撑，云方案（Google Colab 之类）和本地 API 调用是备选，之前讲本地模型和云 API 怎么选的思路在这里同样适用。

Windows 安装：两条路

路线一：整合包（最省事）

官方在 GitHub Releases 提供过 sd.webui.zip 整合包：下载解压，先跑 update.bat 更新到新版，再跑 run.bat 启动。第一次运行会自动下载 PyTorch 和依赖，需要等一阵。

路线二：脚本自动安装

想用 git 管理版本就用这条路，三步：

  1. 装 Python 3.10.6。注意 README 原话：更新的 Python 版本不支持 torch，别装 3.12/3.13，装的时候勾选 Add Python to PATH。
  2. 装 git。
  3. 克隆仓库：git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git，然后双击目录里的 webui-user.bat。

窗口滚完依赖之后，浏览器打开 http://127.0.0.1:7860，界面就出来了。

Linux 安装：以 Debian 系为例

先装依赖：

sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0

如果你的系统很新（比如 Ubuntu 24.04 自带 Python 3.12），官方的做法是装一个 3.10 或 3.11 并在启动脚本里指定：

sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt update
sudo apt install python3.11
# 在 webui-user.sh 里加一行
python_cmd="python3.11"

然后在目标目录拉启动脚本：

wget -q https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh
./webui.sh

首次运行会自建虚拟环境、下载依赖和模型，完成后同样是 127.0.0.1:7860。Apple Silicon 的安装走官方 wiki 专门页面，这里不展开。

第一次出图：三分钟验证流程

打开界面，重点就四个地方：

  1. 左上模型选择：项目自带一个 SD 1.5 底模用于验证。想换模型，把下载的 .safetensors 文件放进 models/Stable-diffusion/ 目录，点刷新按钮。文件名里 Q4_K_M 这类后缀的含义，之前写量化入门时讲过，绘画模型同理，显存小就选量化版。
  2. Prompt 输入框：写你想要的内容，英文逗号分隔，比如 1girl, coffee shop, warm light。
  3. Negative prompt：反向输入框，写不想出现的元素，比如模糊、多余的手指。
  4. Generate 按钮：点它，等几秒到几十秒，右边出图。

出图之后，页面下方能看到每次生成的参数。想把同样风格的图复现出来，把参数一起保存，比只存图有用。

几个新手常见坑

  • Python 版本：最常见的安装失败就是版本不对。报错里看到 torch 相关字样，先查 python --version。
  • 下载慢或断：首次运行要从境外拉几个 GB 的依赖和模型。国内网络环境准备一个可用的代理通道，或者手动下载文件放进对应目录。
  • 显存不足（CUDA out of memory）：把出图分辨率降到 512x512，或在启动参数加 --medvram（4GB 卡用 --lowvram）。
  • 装完想更新：Windows 路线二进目录跑 webui-update.bat；Linux 进目录 git pull 后重跑 webui.sh。

装完之后玩什么

界面左下有个 Sampling steps，默认 20 到 30 步，是出图质量的平滑度开关，加多了出图更细但更慢，这和文本模型里 temperature 这类生成参数是一个道理：有代价，不是白给的。

玩熟基础出图后，下一站通常是两个：换更高质量的社区模型，或者上 ControlNet 精确控制构图。再往后如果你开始关心「能不能按流程批量产出」，那说明你需要工作流引擎了，可以回头看看 ComfyUI 那篇。

本地绘画这条路，装好只是起点，模型选择和参数手感才是长期功课。先把第一张图跑出来，剩下的慢慢来。

发表评论