发现全球最佳 AI 工具

从零教你部署与精通，掌握实战变现工作流

Stable Diffusion 本地绘图环境配置教程

本文是一篇面向新手和进阶创作者的 Stable Diffusion 本地绘图环境配置教程，系统讲解 Stability Matrix、ComfyUI、AUTOMATIC1111、Forge 的选择逻辑，覆盖显卡配置、模型目录、插件扩展、出图参数、GPU 优化和常见报错排查。

Stable Diffusion 本地绘图环境配置教程

从安装环境、下载模型到生成第一张图，ComfyUI / WebUI / Stability Matrix 一次讲清楚

发布说明：本文正文标题层级已按网站发布习惯设置：一级标题使用 H2，二级标题使用 H3。

文章摘要

Stable Diffusion 本地绘图环境配置，核心不是“把所有工具都装一遍”，而是根据电脑配置和使用目标选择合适路线：完全新手可以从 Stability Matrix 入门，想长期学习工作流建议选择 ComfyUI，习惯经典参数面板可以选择 AUTOMATIC1111 或 Forge。本文会从硬件准备、工具选择、安装步骤、模型目录、插件扩展、GPU 优化到常见报错排查，完整梳理一套可落地的本地 AI 绘图环境搭建方案。

目录导航

为什么要本地部署 Stable Diffusion
先选路线：Stability Matrix、ComfyUI、WebUI 怎么选
安装前准备：系统、显卡、硬盘、模型来源
Windows 新手路线：Stability Matrix 一键管理
ComfyUI 本地安装与工作流配置
AUTOMATIC1111 / Forge 安装配置
模型目录：Checkpoint、LoRA、VAE、ControlNet 放哪里
生成第一张图：参数、提示词与采样设置
插件、自定义节点与常见扩展
GPU、CUDA、显存与性能优化
常见报错排查
FAQ、相关阅读与 SEO 文档

为什么要本地部署 Stable Diffusion

Stable Diffusion 是一类可在本地运行的开源图像生成模型生态。与网页版绘图工具相比，本地部署的优势是可控性更强、模型可自由切换、LoRA 和 ControlNet 等扩展更灵活，也更适合批量生成、电商素材、角色一致性、风格化封面图和私有项目。

但本地部署也有门槛：显卡显存、Python 环境、模型文件、插件依赖、CUDA/PyTorch 版本，都可能影响是否能顺利出图。因此，新手最需要的不是“最强工具”，而是一条不会轻易装崩的路线。

适合本地部署的人群

想长期做 AI 绘画、封面图、短视频分镜、电商主图、角色设定的创作者。
需要使用 LoRA、ControlNet、IP-Adapter、工作流节点等高级能力的进阶用户。
希望在离线或半离线环境中测试模型，减少对云端平台依赖的用户。
有 NVIDIA 显卡，想充分利用本机 GPU 算力的人。

不适合本地部署的情况

电脑没有独立显卡，或者硬盘空间非常紧张。
只是偶尔生成几张图，不想维护模型和插件。
完全不能接受命令行、报错排查和版本管理。
需要商业合规使用但不愿意核对模型许可证、素材来源和平台规则。

一句话建议：如果你是新手，先用 Stability Matrix 管理环境；如果你想长期玩工作流，直接学 ComfyUI；如果你只想跟老教程复现参数，可以选择 AUTOMATIC1111 或 Forge。

先选路线：Stability Matrix、ComfyUI、WebUI 怎么选

Stable Diffusion 的“安装环境”不是单一软件，而是由运行界面、模型文件、Python/PyTorch 环境、插件扩展和输出目录组成的一套系统。

路线	推荐指数	适合场景	安装难度
Stability Matrix	★★★★★	新手、一台电脑管理多个 WebUI、统一模型目录	低
ComfyUI	★★★★★	工作流、ControlNet、SDXL/Flux/视频节点、长期学习	中
AUTOMATIC1111	★★★★	经典文生图/图生图、老教程复现、插件生态	中
Forge / reForge	★★★★	低显存优化、WebUI 风格、喜欢传统界面	中
Fooocus / InvokeAI	★★★☆	快速出图、封装式体验、少调参数	低到中

新手默认推荐：Stability Matrix + ComfyUI

Stability Matrix 可以理解为“AI 绘图工具管理器”，适合下载、安装和更新 ComfyUI、AUTOMATIC1111、Forge、Fooocus、InvokeAI 等 WebUI，同时管理模型和输出图片。它能减少新手在 Git、Python 和目录配置上的阻力。

ComfyUI 更像“AI 绘图工作流编辑器”。每一步生成流程都用节点连接表示，虽然初看复杂，但它在 SDXL、Flux、视频生成、局部重绘、ControlNet、IP-Adapter、批处理等场景中更灵活。

仍然可以选择 WebUI / Forge 的场景

如果你看的是老教程、需要经典的 txt2img / img2img / extras / extensions 面板，AUTOMATIC1111 仍然有价值。Forge 或 reForge 一类分支则常被用于显存优化或新版模型兼容，但不同分支的维护状态会变化，下载前要看官方仓库最近更新时间和说明。

安装前准备：系统、显卡、硬盘、模型来源

电脑配置建议

配置项	最低可尝试	推荐配置	说明
系统	Windows 10/11、macOS、Linux	Windows 11 + NVIDIA 显卡或 Linux 服务器	新手优先 Windows；进阶可用 Linux。
显卡	NVIDIA 4GB 显存	NVIDIA 8GB/12GB/16GB+ 显存	显存越大，可用分辨率、模型和批量越高。
内存	16GB	32GB+	模型加载、节点缓存和浏览器都会占内存。
硬盘	50GB 可体验	200GB+ SSD	模型、LoRA、ControlNet、输出图会快速占满硬盘。
网络	可访问模型源	稳定下载大文件	单个模型通常 2GB-15GB。

显卡选择原则

NVIDIA 显卡是本地 Stable Diffusion 最省心的选择，尤其是 RTX 3060 12GB、RTX 4060 Ti 16GB、RTX 4070/4080/4090 以及更新型号。
AMD 显卡可以尝试 DirectML、ROCm 或专门分支，但新手排错成本更高。
Apple Silicon Mac 可以跑部分工具和模型，但速度、插件兼容和显存共享机制与 Windows NVIDIA 路线不同。
CPU 也能跑，但速度通常很慢，只适合验证流程，不适合长期生产。

模型来源与安全提醒

模型文件建议优先来自 Hugging Face、Stability AI 官方页面、Civitai 等知名社区，并注意许可证、商业使用限制和作者说明。下载整合包时要警惕未知脚本、自动启动文件和来历不明的插件。

安全建议：不要随便运行陌生整合包里的 .bat、.exe、.ps1 脚本；不要把私密照片、身份证件、人脸素材交给来历不明的模型或插件处理。

Windows 新手路线：Stability Matrix 一键管理

适用场景

你不想手动配置 Python、Git、虚拟环境。
你想同时体验 ComfyUI、WebUI、Forge、Fooocus 等多个工具。
你希望统一管理模型目录，避免每个工具重复下载同一份模型。

安装步骤

进入 Stability Matrix 官方页面或 GitHub Releases，下载 Windows 安装包或便携版本。
安装或解压后启动，选择一个空间充足的磁盘作为数据目录。
在 Packages 中选择 ComfyUI 或 Stable Diffusion WebUI / Forge，点击安装。
在 Model Browser 或模型管理页下载基础模型，或把已有 .safetensors / .ckpt 文件导入模型目录。
启动对应 WebUI，等待控制台完成依赖安装，浏览器自动打开本地地址。
选择模型、输入提示词，先用 512×512 或 768×768 低分辨率生成第一张图。

新手推荐设置

项目	推荐值	原因
安装盘	非系统盘，剩余 200GB+	模型和输出图占用很快增长。
首选包	ComfyUI	更新活跃、工作流生态强。
首个模型	SD 1.5 或 SDXL Base	教程多，兼容性相对好。
图片尺寸	512×512 / 768×768	先验证环境，避免显存不足。
批量数量	1	新手先不要批量生成。

ComfyUI 本地安装与工作流配置

ComfyUI 推荐安装方式

ComfyUI 目前适合长期学习 Stable Diffusion 工作流。Windows 用户可使用 Desktop App、Windows Portable Package 或 Stability Matrix 安装；进阶用户可以手动 Git 克隆并用 Python 虚拟环境运行。

方式	适合人群	优点	注意点
Desktop App	新手	安装简单，官方入口清晰	功能和插件路径需按桌面版逻辑理解。
Windows Portable	Windows NVIDIA 用户	解压即用，便携，Python 内置	路径不要有中文，建议放 SSD。
Stability Matrix	多工具用户	统一管理包和模型	部分更新由管理器控制。
手动安装	开发者	可控性强，方便调试	需要懂 Python、Git、依赖管理。

手动安装示例

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv
venv\Scripts\activate
python -m pip install –upgrade pip
pip install -r requirements.txt
python main.py

如果是 Linux/macOS，把激活命令改成 source venv/bin/activate。Windows Portable 用户一般不需要自己创建 venv。

ComfyUI Manager 与自定义节点

ComfyUI 的强大来自自定义节点生态。新版 ComfyUI 通常已经内置或支持 Extensions / Manager 入口；如果没有，可以通过克隆 ComfyUI-Manager 到 custom_nodes 目录后安装依赖。

cd ComfyUI/custom_nodes
git clone https://github.com/Comfy-Org/ComfyUI-Manager comfyui-manager
cd comfyui-manager
pip install -r requirements.txt

安装自定义节点后，如果工作流提示“missing custom nodes”，优先使用 Manager 的 Install Missing Custom Nodes 功能；如果仍失败，再看控制台提示缺哪个 Python 包。

AUTOMATIC1111 / Forge 安装配置

AUTOMATIC1111 经典安装步骤

AUTOMATIC1111 Stable Diffusion WebUI 的经典 Windows 安装思路是：安装 Python 3.10.6、安装 Git、克隆仓库、运行 webui-user.bat。它的优势是教程数量多，缺点是对 Python/PyTorch 版本更敏感。

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
webui-user.bat

常用启动参数

参数	用途	说明
–xformers	尝试启用显存优化	不适合所有显卡和版本，报错时可移除。
–medvram	中等显存优化	6GB-8GB 显存可尝试。
–lowvram	低显存模式	速度会明显下降。
–listen	允许局域网访问	要配合防火墙和安全设置。
–api	启用 API	给脚本或其他工具调用 WebUI。

Forge / reForge 的定位

Forge / reForge 一类项目通常基于 WebUI 交互习惯，加入显存管理、性能或新模型兼容方面的改动。适合已经熟悉 AUTOMATIC1111，但希望更顺畅加载 SDXL、Flux 或低显存优化的用户。

版本提醒：WebUI/Forge 分支更新节奏会变化，下载前优先看 GitHub 仓库的 README、Releases 和 Issues，不建议照搬一两年前的命令。

模型目录：Checkpoint、LoRA、VAE、ControlNet 放哪里

常见模型类型解释

模型类型	常见文件	作用	新手说明
Checkpoint	.safetensors / .ckpt	基础大模型，决定整体画风和能力	先下载一个 SD1.5 或 SDXL 基础模型即可。
LoRA	*.safetensors	风格、角色、服装、动作等轻量微调	需要在提示词中触发或在节点中加载。
VAE	.safetensors / .pt	影响色彩、细节和画面观感	图像发灰、发黑时可尝试更换。
ControlNet	*.safetensors	姿势、边缘、深度、线稿等控制	通常需要预处理器和对应模型。
Embedding / TI	.pt / .bin	提示词嵌入	WebUI 老生态中常见。

生成第一张图：参数、提示词与采样设置

最小可用参数模板

参数	建议值	说明
模型	SD 1.5 或 SDXL 基础模型	先用基础模型验证环境。
Prompt	a cute cat, soft light, detailed, high quality	先用英文短提示词测试。
Negative Prompt	low quality, blurry, bad anatomy	避免低质量、模糊、错误结构。
尺寸	512×512 / 768×768 / 1024×1024	显存不足先降尺寸。
Steps	20-30	越高越慢，不一定越好。
CFG	5-8	提示词控制强度。
Sampler	Euler a / DPM++ 2M Karras	常用采样器，稳定易测。
Batch Size	1	新手先不要开批量。

第一张图失败时怎么判断

如果控制台还在下载依赖，不要反复点击生成，等待安装完成。
如果报 CUDA out of memory，先把分辨率降到 512×512，Batch Size 改成 1。
如果模型列表为空，先确认模型放对目录，再刷新模型列表或重启工具。
如果浏览器打不开，先看控制台显示的本地地址，通常是 127.0.0.1:7860 或 127.0.0.1:8188。

插件、自定义节点与常见扩展

ComfyUI 常用扩展方向

ComfyUI Manager：管理自定义节点、安装缺失节点、更新扩展。
ControlNet / T2I-Adapter：控制姿势、边缘、深度、线稿等结构。
IP-Adapter：参考图风格、角色和构图迁移。
Upscale 节点：高清放大和细节增强。
视频/动画节点：图像转视频、帧间插值、工作流批处理。

WebUI 常用扩展方向

sd-webui-controlnet：经典 ControlNet 扩展。
adetailer：自动局部细节修复，常用于人脸和手部。
tagger / prompt tools：反推标签、提示词辅助。
image browser：管理生成图片和参数。

扩展安装原则：一次只装一个扩展，装完重启并测试；不要一口气安装几十个插件，否则出错很难定位。

GPU、CUDA、显存与性能优化

是否必须手动安装 CUDA

多数整合包、Portable 包或 WebUI 自动安装流程会安装与 PyTorch 匹配的 CUDA 运行库；普通用户不一定需要单独安装完整 CUDA Toolkit。只有你需要编译扩展、开发 CUDA 程序、训练模型或手动管理 PyTorch 版本时，才更需要关注系统级 CUDA Toolkit。

显存不足的优化顺序

把分辨率降到 512×512 或 768×768。
Batch Size 改成 1，Batch Count 可以慢慢增加。
换小模型：SD 1.5 通常比 SDXL 省显存。
启用工具内的低显存参数或显存优化选项。
关闭不必要的 ControlNet、高清修复、放大、批量节点。
升级显卡或把高显存流程迁移到云端 GPU。

基础验证命令

nvidia-smi
python -c “import torch; print(torch.cuda.is_available()); print(torch.version.cuda); print(torch.cuda.get_device_name(0))”

如果 nvidia-smi 能显示显卡，但 PyTorch 显示 False，通常是 PyTorch CUDA 版本、驱动版本或虚拟环境装错。不要在同一个环境里反复混装不同来源的 torch。

常见报错排查

报错：Torch is not able to use GPU

先运行 nvidia-smi，确认驱动识别显卡。
确认当前 Python 环境里的 torch 是 CUDA 版，不是 CPU 版。
不要同时混用 pip、conda、整合包自带 Python。
必要时删除 venv 目录，让 WebUI 重新创建依赖环境。

报错：CUDA out of memory

降低分辨率和 batch size。
关闭 Hires.fix、ControlNet、多 LoRA、高分辨率放大节点。
尝试低显存参数，或换更小的模型。
重启 WebUI，释放残留显存。

报错：No module named xformers

这类报错不一定会导致不能出图。xformers 是一种显存/速度优化相关依赖，如果工具可正常生成，可以先不处理。只有在确实需要启用时，再按对应 WebUI 文档重新安装兼容版本。

报错：缺失 ComfyUI 节点

打开 ComfyUI Manager，使用 Install Missing Custom Nodes；如果节点安装后仍然红色，查看控制台缺哪个依赖包，再进入对应节点目录安装 requirements.txt。

安全合规与素材版权

本地部署不等于可以随意商用

Stable Diffusion 生态中的基础模型、LoRA、ControlNet、风格模型和工作流，可能各自有不同许可证。商用前应逐一核对模型页面的授权范围，尤其是人物肖像、品牌 Logo、受版权保护角色和训练数据来源不明的模型。

建议避免的用途

未经同意生成真实人物的敏感、侮辱性或误导性图像。
冒充他人、制造虚假证据、仿冒品牌或用于诈骗。
把未授权模型生成结果直接用于商业包装、广告或售卖。
下载和运行来历不明的插件、整合包或可执行文件。

FAQ

Stable Diffusion 本地部署一定要 NVIDIA 显卡吗？

不是绝对必须，但 NVIDIA 显卡最省心。AMD、Apple Silicon、CPU 都有路线，但插件兼容、速度和排错成本通常更高。

新手应该先装 ComfyUI 还是 WebUI？

推荐先用 Stability Matrix 安装 ComfyUI。ComfyUI 是当前更适合长期学习的工作流路线，WebUI 更适合复现旧教程和传统参数面板。

Python 应该装哪个版本？

AUTOMATIC1111 经典文档仍常见 Python 3.10.6 口径；ComfyUI Portable 或 Stability Matrix 通常会自带环境，新手不建议随意升级 Python。

为什么模型下载后不显示？

通常是目录放错、文件没下载完整、后缀不对或工具没刷新。把模型放到对应 checkpoints / Stable-diffusion 目录后重启或刷新。

LoRA 怎么使用？

WebUI 中通常通过 LoRA 面板或提示词触发；ComfyUI 中一般需要 LoRA Loader 节点连接到模型。不同 LoRA 页面会说明触发词和推荐权重。

显存 4GB 能玩吗？

可以尝试 SD1.5 小图低参数，但体验有限。SDXL、高清修复、多 ControlNet、视频工作流基本会吃紧。

本地部署会不会泄露图片？

本地生成本身不需要把提示词和图片上传到云端，但下载模型、插件、使用在线节点或第三方扩展时仍可能联网。

商用图片需要注意什么？

必须看基础模型、LoRA、素材、字体、角色和品牌元素的授权。不要默认所有开源模型都可无条件商用。

官方参考来源

来源	链接
ComfyUI 官方仓库	https://github.com/Comfy-Org/ComfyUI
ComfyUI Windows Portable 官方文档	https://docs.comfy.org/installation/comfyui_portable_windows
ComfyUI 自定义节点安装文档	https://docs.comfy.org/installation/install_custom_node
AUTOMATIC1111 Stable Diffusion WebUI 官方仓库	https://github.com/AUTOMATIC1111/stable-diffusion-webui
AUTOMATIC1111 NVIDIA GPU 安装说明	https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-NVidia-GPUs
Stable Diffusion WebUI Forge 官方仓库	https://github.com/lllyasviel/stable-diffusion-webui-forge
Stability Matrix 官方仓库	https://github.com/LykosAI/StabilityMatrix
Stability Matrix 官网	https://lykos.ai/
Stability AI – Stable Diffusion 3.5	https://stability.ai/news-updates/introducing-stable-diffusion-3-5
PyTorch 本地安装选择器	https://pytorch.org/get-started/locally/
NVIDIA CUDA Windows 安装指南	https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/
NVIDIA CUDA Linux 安装指南	https://docs.nvidia.com/cuda/cuda-installation-guide-linux/