Stable Diffusion（简称SD）在2022年发布后，迅速成为AI文生图领域的热门工具。简单说，它是一个文本到图像的生成模型，效果相当不错。跟DALLE 3、Midjourney这些工具相比，SD最大的优势在于完全开源免费，而且定制化程度极高——你想怎么调就怎么调。不过硬币总有另一面：它需要你有一张像样的显卡，安装过程比那些在线服务复杂不少，上手门槛确实高了点。

一、什么是Stable diffusion

简单来说，就是把一段文字描述扔进去，SD会生成对应的图像。它是个文本到图像的生成模型，2022年发布后迅速走红。相比同类工具，SD开箱即用？不，它需要配置、需要安装，但一旦跑起来，能做的事情远超那些在线服务——因为你可以完全控制模型、参数、甚至是底层的训练方式。

二、需要怎样的配置？

这里引用一下Nenly大佬整理的配置参考，最低配置和推荐配置都已经整理好了。因为原内容在Notion上，这里直接贴出来供参考——不过文字版太长，直接看配置要求就好：

（注：原文未列出具体数字，此处保持原样，仅表示配置参考存在）

三、选什么显卡？

先搞清楚一件事：显卡不是单一零件，它由GPU芯片、显存、供电、接口、电路板、散热模块组成。GPU芯片主要来自NVIDIA、AMD和Intel三家，而华硕、七彩虹这些AIC厂商负责把芯片做成成品显卡。

NVIDIA的显卡我们叫N卡，AMD的叫A卡。理论上两者都能跑SD，但N卡是目前公认的最优解——不仅安装资料多、教程铺天盖地，性能也相对更稳。如果你手里只有A卡或其他非N卡，也不是不能用，只是需要多折腾几步。

四、选什么系统？

常见系统有Windows、Mac和Linux。Windows和Linux都装过，如果非要推荐一个，那一定是Windows——因为秋叶大佬的SD整合包就是为Windows量身定做的，安装过程简单很多，功能也比GitHub原版stable-diffusion-webui丰富不少，对新手来说非常友好。

如果你本身爱折腾、不嫌麻烦，也可以去试试原版stable-diffusion-webui，网上也有不少教程可以参考。

五、如何安装？

这里只说Windows下秋叶整合包的安装，整体流程不算复杂：

整合包体积比较大，需要从网盘下载。因为夸克网盘免费用户保存受限，可以临时买个短期VIP（几块钱，算是花钱买方便）。当然，其他渠道能找到资源也行。

整合包文件夹里主要包含四部分：旧版本（之前的版本，差异不大）、Controlnet模型（可选，需要再下，安装方法文件夹内有说明）、本体文件sd-webui-aki-v4.7.7z（需要解压）、启动器运行依赖（以前没用过SD的话需要双击安装，否则启动可能失败）。

解压后，在整合包目录里找到启动器的可执行文件，双击打开。

打开后会出现一个界面，点击右下角的“一键启动”即可。

点击后会出现一个黑色命令行窗口——这是正常现象，不用慌张，它正在加载模型和依赖。

如果浏览器自动弹出下面这个页面，恭喜，安装成功！

（图略：保持原图片位置）

六、安装答疑

可以参考Nenly大佬整理的教程，里面有详细的Mac安装步骤。

第一，先看看启动器自带的“疑难解答”页面，扫描一下，大部分问题都能找到解决方案。
第二，网上也有不少常见错误的汇总教程。安装过程其实比较顺利，这里就不再展开列举错误代码了。

七、启动器介绍

秋叶大佬的启动器功能挺多，这里挑几个常用功能初步介绍一下，让大家有个印象。

启动器首页有文件夹列表：
- 扩展文件夹：放置SD扩展的地方，后续通过扩展实现精准出图。
- 临时文件夹：SD运行产生的缓存文件，可以定期清理减少磁盘占用。
- 超分输出文件夹：放置超分辨率模型，用于放大照片、补充细节。
- 其他：图片输出目录。

高级设置里可以更换引擎（适合多显卡用户）、开启显存优化（显存较小的话很有用）。需要注意计算精度：AI模型有双精度、单精度、半精度，分别对应64位、32位、16位浮点数。精度越高，计算资源消耗越大，所以默认开启了半精度优化。但某些显卡并不支持半精度，开启后会出现黑图报错。英伟达官方有支持半精度的显卡列表，可以对照查看。

高级设置里还有网络设置——这是Gradio库自带功能，用于控制外部访问。一般不需要开启，就算开了也要安装frpc包才能生成共享链接，所以不建议折腾。

管理启动器内核和扩展的版本。一般不建议频繁更新——新内核可能与现有扩展冲突，除非有明确需求才去更新。安装新扩展可以在版本管理这里操作（较新版本支持），也可以在网页的扩展页面安装，后者是我更常用的方式。

快捷工具提供一些辅助功能，设置部分可以指定默认浏览器（推荐Chrome或Edge）。如果需要下载一些特殊的模型或扩展资源，可能要用到袋里设置。

看到这里，相信对SD的安装和启动器已经心里有数了。不过要真正掌握SD，还是得动手实践——毕竟纸上得来终觉浅。后续还会继续整理关于Stable Diffusion的实战教程，保持关注就好。