1. 先搞清楚 Stable Diffusion 到底在做什么
1.1 它不是什么黑魔法，本质就是“加噪”与“去噪”
很多人第一次听到 Stable Diffusion 这个名字，脑子里浮现的是那种一键生成大片的神器。我刚开始接触的时候也这么想，结果装完第一天就卡在环境配置上，连界面都没打开。后来才明白，这东西的核心原理其实特别朴素：它做的事情就是给一张图不断加噪声，直到变成一团雪花，然后再训练一个模型学会把这团雪花一步步还原回去。等你用的时候，给它一团随机噪声，它就能根据你输入的文字提示，把噪声“去”成一张符合描述的图。
这个“去噪”的过程就是扩散模型的核心。你可以把它想象成一位画家，面前摆着一块全是杂色的画布，你告诉他“画一只坐在窗台上的橘猫，阳光从左边照进来”，他就一笔一笔把杂色抹掉，逐渐显现出你描述的画面。Stable Diffusion 之所以叫“Stable”，是因为它用了潜空间扩散的技术，把运算压缩在一个更小的特征空间里做，这样普通显卡也能跑得动，不像早期的扩散模型那样必须用顶级硬件。
1.2 为什么小白也能上手，但上手不等于用好
现在网上有大量一键安装包和整合包，确实把门槛降到了很低。你不需要懂 Python，不需要会配环境，下载一个压缩包解压，双击运行就能出图。但问题在于，能出图和能出好图之间隔着一条很宽的河。我见过太多人装完之后随便输入几个词，出来一张歪脸图，然后就觉得“这玩意儿不行”。其实不是工具不行，是提示词的写法、模型的选型、参数的搭配全都没跟上。
这篇内容就是写给那些刚接触 Stable Diffusion、想少走弯路的人。我会从最基础的概念讲起，然后一步步带你走完整个流程，包括模型怎么选、提示词怎么写、参数怎么调、出问题了怎么排查。你不需要任何编程基础，但需要一点耐心，因为这东西前期确实有一些坑要踩。
1.3 你需要准备什么：硬件与心理预期
先说硬件。Stable Diffusion 对显卡有一定要求，但没你想的那么夸张。我用过一张入门级显卡，6GB 显存，跑 512x512 的图大概十几秒一张，完全能用。如果你显存在 4GB 以下，也不是不能跑，但需要调低分辨率或者用一些优化手段，速度会慢一些。内存建议 16GB 以上，硬盘最好留出 50GB 以上的空间，因为模型文件动辄好几个 G，下着下着就满了。
心理预期方面，我得提前说清楚：第一次出图大概率不会让你满意。这不是你的问题，也不是工具的问题，而是你还没找到感觉。就像学做菜，第一次炒出来的菜肯定不如饭店，但炒个十次八次之后，你就能掌握火候了。Stable Diffusion 也是一样，前二十张图基本都是在摸索，后面才会越来越顺。
2. 安装与初始配置：别一上来就追求完美
2.1 选整合包还是自己配环境
这是新手面临的第一个选择。自己配环境的好处是干净、可控、后续升级方便，坏处是容易在各种依赖报错里崩溃。整合包的好处是省事，解压就能用，坏处是版本可能偏旧，而且有些整合包塞了一堆你用不上的东西，反而拖慢速度。
我的建议是：如果你只是想快速体验一下，先用整合包。等你玩明白了，知道自己需要什么了，再考虑自己配一套干净的环境。我自己最开始用的就是整合包，后来因为想装一些新插件，整合包里的版本不兼容，才转去自己配。这个顺序比较合理，不会一上来就被环境问题劝退。
2.2 模型文件的放置逻辑
不管你用哪种方式安装，模型文件的放置位置都很关键。通常来说，主模型放在models/Stable-diffusion目录下，VAE 模型放在models/VAE目录下，LoRA 模型放在models/Lora目录下。这些目录名字可能因版本不同略有差异，但逻辑是一样的：不同类型的模型分开放，方便管理和切换。
我见过有人把所有模型都堆在一个文件夹里，结果界面里选模型的时候一长串列表，找半天找不到想要的。而且有些模型文件名很相似，放一起容易选错。所以从一开始就养成分类放置的习惯，后面会省很多事。
2.3 第一次启动时的关键设置
第一次启动后，先别急着出图，花几分钟把几个关键设置过一遍。首先是显存优化选项，如果你的显存不大，建议开启“低显存模式”或者类似的选项，这会牺牲一点速度但能避免爆显存。其次是输出目录，默认的目录可能不太好找，建议改成一个你熟悉的路径。最后是界面语言，如果你更习惯中文，可以找找语言设置选项，不过我个人建议保持英文界面，因为很多教程和插件都是英文的，对照着看反而更方便。
注意：第一次启动时加载模型会比较慢，这是正常的，不要以为卡死了就强制关闭。等它加载完，后面再启动就快了。
3. 提示词的门道：说人话，但要说对的话
3.1 提示词的基本结构
提示词就是你告诉模型你想要什么的那段文字。它的基本结构可以概括为：主体 + 细节 + 风格 + 质量词。主体是你想画的东西，比如“一个女孩”；细节是她的特征，比如“红色头发、蓝色眼睛、穿着白色连衣裙”；风格是画面的整体感觉，比如“水彩画风格、柔和光线”；质量词是一些提升画面精细度的词，比如“高清、精细细节、专业摄影”。
很多人写提示词的时候只写主体，比如就输入“一个女孩”，然后抱怨出来的图不好看。这就像你去餐厅点菜只说“我要吃饭”，厨师只能随便给你炒一盘。你得说清楚你想吃什么、什么口味、什么做法，厨师才能做出你想要的。
3.2 权重与语法的实际用法
Stable Diffusion 支持给提示词加权重，语法是用括号和数字表示。比如(red hair:1.3)表示红色头发的权重是 1.3 倍，模型会更强调这个特征。反过来(red hair:0.7)就是降低权重。这个功能在调整画面元素的时候特别有用，比如你觉得头发颜色不够红，就把权重调高一点。
还有一个常用的语法是负面提示词，就是告诉模型你不想要什么。比如你不想要模糊的画面，就在负面提示词里写“模糊、低质量”。负面提示词的作用有时候比正面提示词还大，因为很多模型默认会往某些方向偏，你得用负面词把它拉回来。
3.3 常见提示词误区与修正
我踩过的一个大坑是提示词堆砌。刚开始的时候觉得词越多越好，把能想到的都写上去，结果出来的图反而很乱。后来才明白，提示词之间会互相干扰，太多词会让模型无所适从。一般来说，正面提示词控制在 20 到 40 个词之间比较合适，负面提示词 10 到 20 个词就够了。
另一个误区是用抽象词。比如你写“美丽的、有气质的”，模型根本不知道具体指什么。你得写“精致的五官、优雅的姿态、柔和的光线”，这些才是模型能理解的具体描述。抽象词不是不能用，但得配合具体词一起用，不能光靠抽象词撑场面。
4. 参数调整：那几个数字到底在干什么
4.1 采样步数与采样器选择
采样步数是指模型去噪的迭代次数。步数太少，画面没去干净，会显得糊；步数太多，画面可能过度锐化，而且浪费时间。一般来说，20 到 30 步是一个比较甜的点，再往上提升就很有限了。我实测过，30 步和 50 步的差距肉眼几乎看不出来，但时间差了一倍。
采样器是去噪的具体算法，不同采样器出来的效果有细微差别。有的采样器速度快但细节少，有的采样器慢但画面更细腻。新手不用太纠结这个，先用默认的或者大家常用的那个，等你有感觉了再换着试。
4.2 提示词引导系数
这个参数控制模型有多“听话”。数值低的时候，模型更自由，可能会给你一些意想不到的创意，但也可能偏离你的描述；数值高的时候，模型更严格地按照你的提示词来，但太高了画面会变得僵硬、色彩过饱和。7 到 9 之间是比较稳妥的范围，我一般用 7.5，偶尔根据情况微调。
4.3 随机种子与批次
随机种子决定了初始噪声的样子。同样的提示词和参数，换个种子就是完全不同的图。如果你出了一张很满意的图，想在此基础上微调，就可以固定种子，然后改提示词或者参数，这样画面的大结构不会变，只会变你改动的部分。
批次是指一次出几张图。我建议新手一次出 4 张，这样你可以对比不同种子的效果，从中挑一张最好的。等你有经验了，可以一次出更多，但要注意显存占用。
| 参数 | 建议范围 | 作用 | 调整方向 |
|---|---|---|---|
| 采样步数 | 20-30 | 去噪迭代次数 | 少了糊，多了慢 |
| 引导系数 | 7-9 | 提示词遵循程度 | 低了自由，高了僵硬 |
| 分辨率 | 512x512 起 | 画面尺寸 | 高了吃显存 |
| 批次 | 4 张 | 一次出图数量 | 多了显存不够 |
5. 实操流程：从零到出第一张能看的图
5.1 选一个适合新手的模型
模型决定了出图的基本风格。网上有成千上万个模型，新手很容易挑花眼。我的建议是先选一个通用型的模型，不要一上来就用那些风格化特别强的。通用模型对各种提示词的兼容性更好，适合你练习写提示词。等你摸清楚自己的需求了，再去下专门的模型。
下载模型的时候注意看文件大小和格式。一般来说，主模型是几个 G 的大文件，格式是 safetensors 或者 ckpt。safetensors 更安全一些，建议优先选这个格式。
5.2 写一组完整的提示词
我们来实际操作一遍。假设你想画“一个女孩在咖啡馆里看书”。正面提示词可以这样写：
一个年轻女孩坐在咖啡馆窗边看书，棕色长发，穿着米色毛衣，桌上有一杯咖啡，午后阳光透过窗户照进来，温暖的光线，浅景深，胶片质感，精细细节，高清负面提示词：
模糊，低质量，变形，多余的手指，扭曲的脸，过曝，欠曝这组提示词里，主体是女孩和咖啡馆，细节是头发颜色、衣服、咖啡、光线，风格是胶片质感，质量词是精细细节和高清。负面词把常见的画面问题都排除了。
5.3 参数设置与出图
分辨率先设 512x512，采样步数 25，引导系数 7.5，批次 4。点生成，等十几秒到几十秒，就能看到四张图。第一次出来的图可能不完美，但只要有那么一两张的大结构是对的，就说明你的提示词方向没问题，接下来就是微调。
如果四张图都很差，先检查提示词有没有矛盾的地方，比如同时写了“白天”和“夜晚”。如果没有矛盾，那就换个种子再试。有时候就是种子的问题，换个种子效果会好很多。
5.4 基于结果迭代优化
拿到第一组图之后，挑一张你觉得最顺眼的，固定它的种子，然后开始微调。比如你觉得光线不够暖，就在提示词里加“暖色调”并给一点权重；觉得脸不够清晰，就加“精致五官”并调高权重。每次只改一两个地方，这样你才能知道哪个改动起了作用。
我自己的习惯是每张图至少迭代三轮。第一轮看大结构，第二轮调细节，第三轮修瑕疵。三轮下来，基本就能得到一张能拿得出手的图了。
6. 常见问题与排查技巧实录
6.1 出图全黑或者全灰
这是新手最常见的问题之一。原因通常有几个：一是 VAE 模型没配对，有些主模型需要搭配特定的 VAE，不配的话画面就会发灰；二是提示词引导系数太低，模型没接收到有效信息；三是模型文件损坏，重新下载一个试试。
排查顺序建议是：先换一个模型试试，如果换了就好了，说明是模型问题；如果换了还不行，检查 VAE 设置；如果 VAE 也没问题，把引导系数调到 7 以上再试。
6.2 人物脸部崩坏
脸部崩坏是扩散模型的老毛病了，尤其是小分辨率下。解决办法有几个：一是提高分辨率，但注意不要一次性提太高，可以先用低分辨率出图，再用放大功能放大；二是在负面提示词里加强脸部相关的词，比如“扭曲的脸、不对称的眼睛”；三是用专门修脸的插件，这个后面进阶的时候再说。
我自己的经验是，512x512 下脸部崩坏的概率比较高，提到 768x768 会好很多，但显存占用也会增加。如果你的显存不够，就先用 512 出图，然后用放大算法放大。
6.3 画面风格不对
有时候你想要的是一种风格，出来的却是另一种。这通常是模型的问题，不是提示词的问题。每个模型都有自己的“偏好”，有的偏写实，有的偏动漫，有的偏油画。你得选一个跟你想要的风格匹配的模型，然后再用提示词微调。
如果模型对了但风格还是不对，检查一下提示词里有没有风格相关的词。比如你想要水彩风格，就得写“水彩画风格、水彩质感”，光写“水彩”可能不够。
6.4 生成速度太慢
速度慢的原因通常是显存不够，模型在内存和显存之间来回倒腾。解决办法：降低分辨率、减少批次数量、开启低显存模式、关闭一些不必要的插件。如果这些都不行，那可能就是硬件瓶颈了，只能接受这个速度，或者升级硬件。
提示：出图的时候不要同时开太多其他程序，尤其是吃显存的程序，比如游戏或者视频剪辑软件。关掉它们，速度会明显提升。
6.5 常见问题速查表
| 问题 | 可能原因 | 解决办法 |
|---|---|---|
| 全黑/全灰 | VAE 不匹配、引导系数低 | 换 VAE、调高引导系数 |
| 脸部崩坏 | 分辨率低、模型不擅长人脸 | 提高分辨率、加负面词 |
| 风格不对 | 模型选错、提示词缺风格词 | 换模型、补风格词 |
| 速度慢 | 显存不足、后台程序占用 | 降分辨率、关后台程序 |
| 画面混乱 | 提示词堆砌、权重冲突 | 精简提示词、调整权重 |
7. 进阶方向：出图之后还能做什么
7.1 图生图与局部重绘
文生图只是起点。当你有一张基本满意的图之后，可以用图生图功能在此基础上修改。比如你觉得背景不好看，就可以用局部重绘把背景换掉，人物保持不变。这个功能特别实用，相当于给你一张图做“微创手术”。
局部重绘的关键是蒙版要涂准。涂多了会把不想改的地方也改掉，涂少了改不干净。我一般会稍微涂大一点，然后调低重绘幅度，这样边缘过渡会比较自然。
7.2 放大与细节增强
低分辨率出图再放大，是兼顾速度和质量的标准做法。放大算法有好几种，有的适合写实，有的适合动漫。放大之后还可以用细节增强功能再加一遍细节，让画面更锐利。不过要注意，放大倍数太高会出现伪影，一般放大到两倍左右比较合适。
7.3 模型融合与 LoRA 的使用
当你对基础模型有了一定了解之后，可以尝试模型融合，就是把两个模型的权重按比例混合，得到一个兼具两者特点的新模型。LoRA 则是一种轻量级的微调方式，可以在不改动主模型的情况下，给模型加上特定的风格或者角色。这两个方向内容比较多，这里就不展开了，等你把基础流程跑熟了再去研究。
8. 我踩过的坑与给你的建议
8.1 不要一次装太多模型
我刚开始的时候特别兴奋，一口气下了十几个模型，结果硬盘满了不说，每次选模型都要翻半天。后来我删到只剩三四个常用的，反而效率更高。模型在精不在多，先把一个模型用透，比浅尝辄止地试十个模型强得多。
8.2 提示词要记笔记
我有个习惯，每次出了一张好图，就把提示词、参数、模型名都记下来。时间长了，就形成了一套自己的“配方库”。下次想画类似的东西，直接翻笔记，改几个词就能用，省了很多试错时间。这个习惯看起来笨，但真的管用。
8.3 别追求一步到位
新手最容易犯的错就是想让第一张图就完美。这不现实。出图是一个迭代的过程，第一张图定大方向，第二张图调细节，第三张图修瑕疵，第四张图才可能达到你想要的效果。接受这个节奏，心态会好很多。
8.4 多看别人的参数
网上有很多人分享自己的出图参数，包括提示词、模型、种子。你可以照着他们的参数跑一遍，看看出来的效果，然后对比自己的参数，找差距。这是进步最快的方法之一。不过要注意，同样的参数在不同硬件上可能有细微差异，不要死磕完全一致。
8.5 保持耐心，享受过程
Stable Diffusion 这个东西，入门容易精通难。前几个小时可能都在摸索，但一旦你出了第一张让自己满意的图，那种成就感是很强的。我到现在还记得自己第一张能看的图出来的时候，虽然现在回头看那张图很粗糙，但当时真的挺激动的。所以别急，慢慢来，这个过程本身就挺有意思的。
最后分享一个小技巧：如果你在某一步卡住了，不妨把提示词简化到最核心的几个词，先确保大方向是对的，然后再一点点加细节。这就像画画先打草稿再上色，比一上来就抠细节要高效得多。
