Stable Diffusion WebUI指南：16万星A1111本地绘图的安装、模型与插件

项目：AUTOMATIC1111/stable-diffusion-webui | 星数：165173 | 语言：Python | 协议：AGPL-3.0 | GitHub仓库

更新日期：2026-10-29 · 作者：CodeArts 编辑部

为什么是 A1111

Stable Diffusion 的图形界面有好几个，但 AUTOMATIC1111 的 WebUI（165173 星）是装机量最大、插件生态最全的那个。它的核心价值不是"能生成图"，而是把 diffusion 那一堆零散参数——采样器、步数、CFG、种子、重绘幅度——变成可交互的面板，让你能快速试错。对不想写代码的人来说，它是最短的路径。

安装：三条路线

方式	说明	适用
官方脚本	Linux/macOS 跑 `webui.sh`，Windows 双击 `webui-user.bat`	NVIDIA 显卡、常规使用
自动安装包	社区打包的便携版，解压即用	不想碰 Python 环境
Docker	挂载模型目录，暴露 7860 端口	服务器、多用户

硬性前提：NVIDIA 显卡且显存建议 8GB 以上，需要 Git 和 Python 3.10。AMD 显卡要走 DirectML 分支，macOS 走 MPS，速度和兼容性都会打折，这一点要有预期。

国内用户几乎一定会卡在首次启动下载依赖上。常见解法是在 webui-user.bat 里加镜像：

set COMMANDLINE_ARGS=--xformers --autolaunch
set PIP_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple
set HF_ENDPOINT=https://hf-mirror.com

模型放哪，怎么组织

models/Stable-diffusion/     # 主模型大文件（.safetensors）
models/Lora/                 # LoRA 小模型
models/VAE/                  # VAE 调色
embeddings/                  # 文本反转 Embedding
extensions/                  # 插件
outputs/                     # 生成结果

强烈建议只用 .safetensors 格式。旧的 .ckpt 是 pickle 序列化文件，可以携带任意代码执行，下载来源不明的 ckpt 等于在自己电脑上运行陌生程序，这不是危言耸听。

面板上真正重要的六个参数

参数	作用	实用建议
Sampler	采样算法	DPM++ 2M Karras 是通用首选，追求速度用 Euler a
Steps	去噪步数	20~30 足够，超过 40 收益极小
CFG Scale	贴合提示词强度	7~9 最稳，超过 12 容易过曝崩图
Seed	随机种子	固定后可微调提示词做对比实验
Size	输出尺寸	SD1.5 用 512 基数，SDXL 用 1024 基数
Hires.fix	高清修复	2 倍放大 + 0.4~0.5 重绘幅度

新手最容易犯的错是把尺寸设成 512×1024 这类极端长宽比，SD1.5 在训练时没见过，会直接生成"两个头"或肢体错乱。正确做法是用 512 或 768 的整数倍、接近方形的尺寸出图，再用 Hires.fix 放大。

提示词写法：权重与顺序

正向提示词按重要度从左到右排，语法上用括号加权：

masterpiece, best quality, (cyberpunk street:1.2), neon lights,
rain reflections, (cinematic lighting:1.1), 85mm lens
Negative prompt: lowres, bad anatomy, extra fingers,
watermark, text, blurry

权重超过 1.5 通常会让画面变形，建议控制在 1.1~1.3。负面提示词里 lowres、bad anatomy、extra fingers 属于通用基础项，几乎所有场景都值得带上。

图生图与局部重绘

img2img：给一张底图，Denoising strength 控制改动幅度。0.3 以下只做风格微调，0.6 以上接近重画。
Inpaint：涂抹要改的区域重绘，用于修手、换衣服、去路人。配合 Mask blur 让边缘过渡自然。
Outpaint：反向操作，扩大画布并让模型填充，需要 ControlNet 的 inpaint 模型辅助。

改手部是最高频需求。实操经验是：把手部区域单独圈出，重绘幅度设 0.5~0.65，提示词里明确写 perfect hands, five fingers，一次不行就换种子重来，比硬改整张图高效得多。

ControlNet：从"许愿"到"构图可控"

纯文生图最大的痛点是构图随机。ControlNet 用一张参考图约束生成结构，常用类型：

类型	输入	场景
OpenPose	骨骼图	人物姿势精确控制
Canny / Lineart	边缘线稿	保持轮廓、换风格
Depth	深度图	空间层次、场景重建
Inpaint	遮罩	局部修改与扩图

权重（Control Weight）建议从 0.6 起调，超过 1.0 会让画面变得僵硬、失去绘画感。

显存不够的救命参数

--medvram       # 中等显存优化
--lowvram       # 低显存，速度明显下降
--xformers      # 注意力加速，最有效
--opt-sdp-attention  # xformers 装不上时的替代

6GB 显存跑 SD1.5 用 --medvram --xformers 基本可用；SDXL 建议 12GB 以上，8GB 需要 --lowvram 并接受较慢速度。另外生成时尺寸越大显存占用呈平方增长，先小图 + Hires.fix 是省显存的标准套路。

许可证提醒

WebUI 本身是 AGPL-3.0，如果你把它接入对外服务的网站，AGPL 的传染性需要严肃评估。另外模型权重的许可各自独立，例如部分 SD 版本对商用有额外条款，做商业项目前务必逐个确认，不要只看仓库协议。

常见问题

没有独立显卡能用 Stable Diffusion WebUI 吗？

可以但不推荐。4GB 显存需加 --lowvram，速度很慢；纯 CPU 模式出图一张要数分钟，实用性低。若只是尝鲜，建议用在线服务；若长期使用，一张 8GB 以上的 NVIDIA 显卡是明显更划算的投入。

下载的 .ckpt 模型有安全风险吗？

有。.ckpt 是 pickle 序列化格式，加载时可能执行任意代码。请优先使用 .safetensors 格式，它对文件结构做白名单校验，无法嵌入可执行代码。来源不明的 ckpt 不要加载。

为什么生成的图总是手部畸形？

这是扩散模型训练数据的固有弱点。实用做法：用 Inpaint 圈出手部单独重绘（幅度 0.5~0.65），提示词明确写 perfect hands；或用 ControlNet OpenPose 给出手部骨骼约束；也可配合 Adetailer 插件自动检测并修复面部与手部。