Stable Diffusion作为当前最热门的AI绘画工具之一，正在改变数字艺术创作的格局。这款开源模型不仅能够根据文字描述生成精美图像，还支持图像修改、风格转换等多种功能。本文将带你全面了解Stable Diffusion的使用方法，从基础安装到高级技巧一网打尽。

一、Stable Diffusion基础准备

使用Stable Diffusion前需要做好硬件和软件两方面的准备。硬件方面，建议配备至少8GB显存的NVIDIA显卡，4GB显存也可运行但生成速度较慢。软件方面需要安装Python 3.10.6和Git，这是运行Stable Diffusion的基础环境。

安装过程分为几个步骤：首先从GitHub克隆官方仓库，然后下载预训练模型（通常为.ckpt或.safetensors格式），最后通过命令行启动WebUI。对于Windows用户，推荐使用一键安装包简化流程。Mac用户则需要通过Homebrew安装依赖项。

二、WebUI界面详解

Stable Diffusion的WebUI界面主要分为以下几个功能区：

• 提示词输入区：分为正向提示词(Prompt)和反向提示词(Negative Prompt)
• 参数设置区：包括采样步数(Steps)、采样方法(Sampler)、图像尺寸等
• 模型选择区：可切换不同的基础模型和LoRA模型
• 生成控制区：包含生成按钮、批量生成设置等

初学者建议从默认参数开始，逐步调整各项设置。采样步数通常设置在20-50之间，CFG Scale（提示词相关性）建议7-12，这些参数会显著影响生成效果。

三、提示词工程技巧

高质量的提示词是获得理想图像的关键。提示词编写需要注意以下几点：

1. 使用英文逗号分隔不同概念
2. 重要概念放在前面，可使用( )增加权重
3. 组合使用风格描述(如photorealistic)、艺术家名称(如by Greg Rutkowski)和质量修饰词(4k, detailed)
4. 反向提示词中应包含常见问题如blurry, deformed等

进阶技巧包括使用BREAK分隔不同语义段落，以及通过Embedding注入特定风格。建议建立自己的提示词库，记录效果好的组合。

四、模型与扩展应用

除了官方模型，社区还开发了大量优秀模型：

• 基础模型：如Realistic Vision、DreamShaper等针对不同风格优化
• LoRA模型：轻量级风格模型，可叠加使用
• ControlNet：通过草图、深度图等控制生成构图

高级应用包括：

• 图生图(img2img)：基于现有图像进行修改
• 局部重绘(Inpainting)：替换图像的特定区域
• 超分辨率放大：使用Extra选项卡提升图像质量

五、常见问题与优化

新手常遇到以下问题：

• 显存不足：可启用--medvram参数或降低图像尺寸
• 面部畸形：使用ADetailer扩展自动修复
• 风格不符：检查模型是否匹配预期风格

性能优化技巧包括：启用xformers加速、使用--opt-sdp-attention参数、以及将模型加载到显存(--no-half-vae)。对于批量生成，建议使用XYZ脚本进行参数网格搜索。