1. 先搞清楚 Stable Diffusion 到底在做什么1.1 它不是什么黑魔法本質(zhì)就是“加噪”與“去噪”很多人第一次聽到 Stable Diffusion 這個名字腦子里浮現(xiàn)的是那種一鍵生成大片的神器。我剛開始接觸的時候也這么想結(jié)果裝完第一天就卡在環(huán)境配置上連界面都沒打開。后來才明白這東西的核心原理其實特別樸素它做的事情就是給一張圖不斷加噪聲直到變成一團雪花然后再訓(xùn)練一個模型學(xué)會把這團雪花一步步還原回去。等你用的時候給它一團隨機噪聲它就能根據(jù)你輸入的文字提示把噪聲“去”成一張符合描述的圖。這個“去噪”的過程就是擴散模型的核心。你可以把它想象成一位畫家面前擺著一塊全是雜色的畫布你告訴他“畫一只坐在窗臺上的橘貓陽光從左邊照進來”他就一筆一筆把雜色抹掉逐漸顯現(xiàn)出你描述的畫面。Stable Diffusion 之所以叫“Stable”是因為它用了潛空間擴散的技術(shù)把運算壓縮在一個更小的特征空間里做這樣普通顯卡也能跑得動不像早期的擴散模型那樣必須用頂級硬件。1.2 為什么小白也能上手但上手不等于用好現(xiàn)在網(wǎng)上有大量一鍵安裝包和整合包確實把門檻降到了很低。你不需要懂 Python不需要會配環(huán)境下載一個壓縮包解壓雙擊運行就能出圖。但問題在于能出圖和能出好圖之間隔著一條很寬的河。我見過太多人裝完之后隨便輸入幾個詞出來一張歪臉圖然后就覺得“這玩意兒不行”。其實不是工具不行是提示詞的寫法、模型的選型、參數(shù)的搭配全都沒跟上。這篇內(nèi)容就是寫給那些剛接觸 Stable Diffusion、想少走彎路的人。我會從最基礎(chǔ)的概念講起然后一步步帶你走完整個流程包括模型怎么選、提示詞怎么寫、參數(shù)怎么調(diào)、出問題了怎么排查。你不需要任何編程基礎(chǔ)但需要一點耐心因為這東西前期確實有一些坑要踩。1.3 你需要準(zhǔn)備什么硬件與心理預(yù)期先說硬件。Stable Diffusion 對顯卡有一定要求但沒你想的那么夸張。我用過一張入門級顯卡6GB 顯存跑 512x512 的圖大概十幾秒一張完全能用。如果你顯存在 4GB 以下也不是不能跑但需要調(diào)低分辨率或者用一些優(yōu)化手段速度會慢一些。內(nèi)存建議 16GB 以上硬盤最好留出 50GB 以上的空間因為模型文件動輒好幾個 G下著下著就滿了。心理預(yù)期方面我得提前說清楚第一次出圖大概率不會讓你滿意。這不是你的問題也不是工具的問題而是你還沒找到感覺。就像學(xué)做菜第一次炒出來的菜肯定不如飯店但炒個十次八次之后你就能掌握火候了。Stable Diffusion 也是一樣前二十張圖基本都是在摸索后面才會越來越順。2. 安裝與初始配置別一上來就追求完美2.1 選整合包還是自己配環(huán)境這是新手面臨的第一個選擇。自己配環(huán)境的好處是干凈、可控、后續(xù)升級方便壞處是容易在各種依賴報錯里崩潰。整合包的好處是省事解壓就能用壞處是版本可能偏舊而且有些整合包塞了一堆你用不上的東西反而拖慢速度。我的建議是如果你只是想快速體驗一下先用整合包。等你玩明白了知道自己需要什么了再考慮自己配一套干凈的環(huán)境。我自己最開始用的就是整合包后來因為想裝一些新插件整合包里的版本不兼容才轉(zhuǎn)去自己配。這個順序比較合理不會一上來就被環(huán)境問題勸退。2.2 模型文件的放置邏輯不管你用哪種方式安裝模型文件的放置位置都很關(guān)鍵。通常來說主模型放在models/Stable-diffusion目錄下VAE 模型放在models/VAE目錄下LoRA 模型放在models/Lora目錄下。這些目錄名字可能因版本不同略有差異但邏輯是一樣的不同類型的模型分開放方便管理和切換。我見過有人把所有模型都堆在一個文件夾里結(jié)果界面里選模型的時候一長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選錯。所以從一開始就養(yǎng)成分類放置的習(xí)慣后面會省很多事。2.3 第一次啟動時的關(guān)鍵設(shè)置第一次啟動后先別急著出圖花幾分鐘把幾個關(guān)鍵設(shè)置過一遍。首先是顯存優(yōu)化選項如果你的顯存不大建議開啟“低顯存模式”或者類似的選項這會犧牲一點速度但能避免爆顯存。其次是輸出目錄默認(rèn)的目錄可能不太好找建議改成一個你熟悉的路徑。最后是界面語言如果你更習(xí)慣中文可以找找語言設(shè)置選項不過我個人建議保持英文界面因為很多教程和插件都是英文的對照著看反而更方便。注意第一次啟動時加載模型會比較慢這是正常的不要以為卡死了就強制關(guān)閉。等它加載完后面再啟動就快了。3. 提示詞的門道說人話但要說對的話3.1 提示詞的基本結(jié)構(gòu)提示詞就是你告訴模型你想要什么的那段文字。它的基本結(jié)構(gòu)可以概括為主體 細節(jié) 風(fēng)格 質(zhì)量詞。主體是你想畫的東西比如“一個女孩”細節(jié)是她的特征比如“紅色頭發(fā)、藍色眼睛、穿著白色連衣裙”風(fēng)格是畫面的整體感覺比如“水彩畫風(fēng)格、柔和光線”質(zhì)量詞是一些提升畫面精細度的詞比如“高清、精細細節(jié)、專業(yè)攝影”。很多人寫提示詞的時候只寫主體比如就輸入“一個女孩”然后抱怨出來的圖不好看。這就像你去餐廳點菜只說“我要吃飯”廚師只能隨便給你炒一盤。你得說清楚你想吃什么、什么口味、什么做法廚師才能做出你想要的。3.2 權(quán)重與語法的實際用法Stable Diffusion 支持給提示詞加權(quán)重語法是用括號和數(shù)字表示。比如(red hair:1.3)表示紅色頭發(fā)的權(quán)重是 1.3 倍模型會更強調(diào)這個特征。反過來(red hair:0.7)就是降低權(quán)重。這個功能在調(diào)整畫面元素的時候特別有用比如你覺得頭發(fā)顏色不夠紅就把權(quán)重調(diào)高一點。還有一個常用的語法是負(fù)面提示詞就是告訴模型你不想要什么。比如你不想要模糊的畫面就在負(fù)面提示詞里寫“模糊、低質(zhì)量”。負(fù)面提示詞的作用有時候比正面提示詞還大因為很多模型默認(rèn)會往某些方向偏你得用負(fù)面詞把它拉回來。3.3 常見提示詞誤區(qū)與修正我踩過的一個大坑是提示詞堆砌。剛開始的時候覺得詞越多越好把能想到的都寫上去結(jié)果出來的圖反而很亂。后來才明白提示詞之間會互相干擾太多詞會讓模型無所適從。一般來說正面提示詞控制在 20 到 40 個詞之間比較合適負(fù)面提示詞 10 到 20 個詞就夠了。另一個誤區(qū)是用抽象詞。比如你寫“美麗的、有氣質(zhì)的”模型根本不知道具體指什么。你得寫“精致的五官、優(yōu)雅的姿態(tài)、柔和的光線”這些才是模型能理解的具體描述。抽象詞不是不能用但得配合具體詞一起用不能光靠抽象詞撐場面。4. 參數(shù)調(diào)整那幾個數(shù)字到底在干什么4.1 采樣步數(shù)與采樣器選擇采樣步數(shù)是指模型去噪的迭代次數(shù)。步數(shù)太少畫面沒去干凈會顯得糊步數(shù)太多畫面可能過度銳化而且浪費時間。一般來說20 到 30 步是一個比較甜的點再往上提升就很有限了。我實測過30 步和 50 步的差距肉眼幾乎看不出來但時間差了一倍。采樣器是去噪的具體算法不同采樣器出來的效果有細微差別。有的采樣器速度快但細節(jié)少有的采樣器慢但畫面更細膩。新手不用太糾結(jié)這個先用默認(rèn)的或者大家常用的那個等你有感覺了再換著試。4.2 提示詞引導(dǎo)系數(shù)這個參數(shù)控制模型有多“聽話”。數(shù)值低的時候模型更自由可能會給你一些意想不到的創(chuàng)意但也可能偏離你的描述數(shù)值高的時候模型更嚴(yán)格地按照你的提示詞來但太高了畫面會變得僵硬、色彩過飽和。7 到 9 之間是比較穩(wěn)妥的范圍我一般用 7.5偶爾根據(jù)情況微調(diào)。4.3 隨機種子與批次隨機種子決定了初始噪聲的樣子。同樣的提示詞和參數(shù)換個種子就是完全不同的圖。如果你出了一張很滿意的圖想在此基礎(chǔ)上微調(diào)就可以固定種子然后改提示詞或者參數(shù)這樣畫面的大結(jié)構(gòu)不會變只會變你改動的部分。批次是指一次出幾張圖。我建議新手一次出 4 張這樣你可以對比不同種子的效果從中挑一張最好的。等你有經(jīng)驗了可以一次出更多但要注意顯存占用。參數(shù)建議范圍作用調(diào)整方向采樣步數(shù)20-30去噪迭代次數(shù)少了糊多了慢引導(dǎo)系數(shù)7-9提示詞遵循程度低了自由高了僵硬分辨率512x512 起畫面尺寸高了吃顯存批次4 張一次出圖數(shù)量多了顯存不夠5. 實操流程從零到出第一張能看的圖5.1 選一個適合新手的模型模型決定了出圖的基本風(fēng)格。網(wǎng)上有成千上萬個模型新手很容易挑花眼。我的建議是先選一個通用型的模型不要一上來就用那些風(fēng)格化特別強的。通用模型對各種提示詞的兼容性更好適合你練習(xí)寫提示詞。等你摸清楚自己的需求了再去下專門的模型。下載模型的時候注意看文件大小和格式。一般來說主模型是幾個 G 的大文件格式是 safetensors 或者 ckpt。safetensors 更安全一些建議優(yōu)先選這個格式。5.2 寫一組完整的提示詞我們來實際操作一遍。假設(shè)你想畫“一個女孩在咖啡館里看書”。正面提示詞可以這樣寫一個年輕女孩坐在咖啡館窗邊看書棕色長發(fā)穿著米色毛衣桌上有一杯咖啡午后陽光透過窗戶照進來溫暖的光線淺景深膠片質(zhì)感精細細節(jié)高清負(fù)面提示詞模糊低質(zhì)量變形多余的手指扭曲的臉過曝欠曝這組提示詞里主體是女孩和咖啡館細節(jié)是頭發(fā)顏色、衣服、咖啡、光線風(fēng)格是膠片質(zhì)感質(zhì)量詞是精細細節(jié)和高清。負(fù)面詞把常見的畫面問題都排除了。5.3 參數(shù)設(shè)置與出圖分辨率先設(shè) 512x512采樣步數(shù) 25引導(dǎo)系數(shù) 7.5批次 4。點生成等十幾秒到幾十秒就能看到四張圖。第一次出來的圖可能不完美但只要有那么一兩張的大結(jié)構(gòu)是對的就說明你的提示詞方向沒問題接下來就是微調(diào)。如果四張圖都很差先檢查提示詞有沒有矛盾的地方比如同時寫了“白天”和“夜晚”。如果沒有矛盾那就換個種子再試。有時候就是種子的問題換個種子效果會好很多。5.4 基于結(jié)果迭代優(yōu)化拿到第一組圖之后挑一張你覺得最順眼的固定它的種子然后開始微調(diào)。比如你覺得光線不夠暖就在提示詞里加“暖色調(diào)”并給一點權(quán)重覺得臉不夠清晰就加“精致五官”并調(diào)高權(quán)重。每次只改一兩個地方這樣你才能知道哪個改動起了作用。我自己的習(xí)慣是每張圖至少迭代三輪。第一輪看大結(jié)構(gòu)第二輪調(diào)細節(jié)第三輪修瑕疵。三輪下來基本就能得到一張能拿得出手的圖了。6. 常見問題與排查技巧實錄6.1 出圖全黑或者全灰這是新手最常見的問題之一。原因通常有幾個一是 VAE 模型沒配對有些主模型需要搭配特定的 VAE不配的話畫面就會發(fā)灰二是提示詞引導(dǎo)系數(shù)太低模型沒接收到有效信息三是模型文件損壞重新下載一個試試。排查順序建議是先換一個模型試試如果換了就好了說明是模型問題如果換了還不行檢查 VAE 設(shè)置如果 VAE 也沒問題把引導(dǎo)系數(shù)調(diào)到 7 以上再試。6.2 人物臉部崩壞臉部崩壞是擴散模型的老毛病了尤其是小分辨率下。解決辦法有幾個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圖再用放大功能放大二是在負(fù)面提示詞里加強臉部相關(guān)的詞比如“扭曲的臉、不對稱的眼睛”三是用專門修臉的插件這個后面進階的時候再說。我自己的經(jīng)驗是512x512 下臉部崩壞的概率比較高提到 768x768 會好很多但顯存占用也會增加。如果你的顯存不夠就先用 512 出圖然后用放大算法放大。6.3 畫面風(fēng)格不對有時候你想要的是一種風(fēng)格出來的卻是另一種。這通常是模型的問題不是提示詞的問題。每個模型都有自己的“偏好”有的偏寫實有的偏動漫有的偏油畫。你得選一個跟你想要的風(fēng)格匹配的模型然后再用提示詞微調(diào)。如果模型對了但風(fēng)格還是不對檢查一下提示詞里有沒有風(fēng)格相關(guān)的詞。比如你想要水彩風(fēng)格就得寫“水彩畫風(fēng)格、水彩質(zhì)感”光寫“水彩”可能不夠。6.4 生成速度太慢速度慢的原因通常是顯存不夠模型在內(nèi)存和顯存之間來回倒騰。解決辦法降低分辨率、減少批次數(shù)量、開啟低顯存模式、關(guān)閉一些不必要的插件。如果這些都不行那可能就是硬件瓶頸了只能接受這個速度或者升級硬件。提示出圖的時候不要同時開太多其他程序尤其是吃顯存的程序比如游戲或者視頻剪輯軟件。關(guān)掉它們速度會明顯提升。6.5 常見問題速查表問題可能原因解決辦法全黑/全灰VAE 不匹配、引導(dǎo)系數(shù)低換 VAE、調(diào)高引導(dǎo)系數(shù)臉部崩壞分辨率低、模型不擅長人臉提高分辨率、加負(fù)面詞風(fēng)格不對模型選錯、提示詞缺風(fēng)格詞換模型、補風(fēng)格詞速度慢顯存不足、后臺程序占用降分辨率、關(guān)后臺程序畫面混亂提示詞堆砌、權(quán)重沖突精簡提示詞、調(diào)整權(quán)重7. 進階方向出圖之后還能做什么7.1 圖生圖與局部重繪文生圖只是起點。當(dāng)你有一張基本滿意的圖之后可以用圖生圖功能在此基礎(chǔ)上修改。比如你覺得背景不好看就可以用局部重繪把背景換掉人物保持不變。這個功能特別實用相當(dāng)于給你一張圖做“微創(chuàng)手術(shù)”。局部重繪的關(guān)鍵是蒙版要涂準(zhǔn)。涂多了會把不想改的地方也改掉涂少了改不干凈。我一般會稍微涂大一點然后調(diào)低重繪幅度這樣邊緣過渡會比較自然。7.2 放大與細節(jié)增強低分辨率出圖再放大是兼顧速度和質(zhì)量的標(biāo)準(zhǔn)做法。放大算法有好幾種有的適合寫實有的適合動漫。放大之后還可以用細節(jié)增強功能再加一遍細節(jié)讓畫面更銳利。不過要注意放大倍數(shù)太高會出現(xiàn)偽影一般放大到兩倍左右比較合適。7.3 模型融合與 LoRA 的使用當(dāng)你對基礎(chǔ)模型有了一定了解之后可以嘗試模型融合就是把兩個模型的權(quán)重按比例混合得到一個兼具兩者特點的新模型。LoRA 則是一種輕量級的微調(diào)方式可以在不改動主模型的情況下給模型加上特定的風(fēng)格或者角色。這兩個方向內(nèi)容比較多這里就不展開了等你把基礎(chǔ)流程跑熟了再去研究。8. 我踩過的坑與給你的建議8.1 不要一次裝太多模型我剛開始的時候特別興奮一口氣下了十幾個模型結(jié)果硬盤滿了不說每次選模型都要翻半天。后來我刪到只剩三四個常用的反而效率更高。模型在精不在多先把一個模型用透比淺嘗輒止地試十個模型強得多。8.2 提示詞要記筆記我有個習(xí)慣每次出了一張好圖就把提示詞、參數(shù)、模型名都記下來。時間長了就形成了一套自己的“配方庫”。下次想畫類似的東西直接翻筆記改幾個詞就能用省了很多試錯時間。這個習(xí)慣看起來笨但真的管用。8.3 別追求一步到位新手最容易犯的錯就是想讓第一張圖就完美。這不現(xiàn)實。出圖是一個迭代的過程第一張圖定大方向第二張圖調(diào)細節(jié)第三張圖修瑕疵第四張圖才可能達到你想要的效果。接受這個節(jié)奏心態(tài)會好很多。8.4 多看別人的參數(shù)網(wǎng)上有很多人分享自己的出圖參數(shù)包括提示詞、模型、種子。你可以照著他們的參數(shù)跑一遍看看出來的效果然后對比自己的參數(shù)找差距。這是進步最快的方法之一。不過要注意同樣的參數(shù)在不同硬件上可能有細微差異不要死磕完全一致。8.5 保持耐心享受過程Stable Diffusion 這個東西入門容易精通難。前幾個小時可能都在摸索但一旦你出了第一張讓自己滿意的圖那種成就感是很強的。我到現(xiàn)在還記得自己第一張能看的圖出來的時候雖然現(xiàn)在回頭看那張圖很粗糙但當(dāng)時真的挺激動的。所以別急慢慢來這個過程本身就挺有意思的。最后分享一個小技巧如果你在某一步卡住了不妨把提示詞簡化到最核心的幾個詞先確保大方向是對的然后再一點點加細節(jié)。這就像畫畫先打草稿再上色比一上來就摳細節(jié)要高效得多。