第一次听说 Stable Diffusion 的时候，我以为是个软件，下载就能用。折腾了一下午才发现，它更像是一套"散装零件"——模型、界面、插件、环境，得自己拼起来。拼好了之后确实好用，但拼的过程对新手不太友好。这篇教程就是帮你省掉那个下午的。
先看你的电脑能不能跑
这是最现实的一步。Stable Diffusion 是本地运行的，靠你自己的显卡干活。显卡不行，后面全都白搭。
最低门槛（NVIDIA）。能跑，但只能跑 512×512 小图，用老一点的 SD 1.5 模型，速度慢，动不动就爆显存。
实际能用的门槛。能跑 SDXL 模型（1024×1024），能加 LoRA 和 ControlNet，出图质量和速度都在可接受范围。2026 年大多数教程默认的"入门配置"。
舒服的配置。跑现代工作流不会动不动"Out of Memory"，能开高清修复，能同时挂几个插件。
硬盘至少留这些——一个模型动辄好几个 G，下几个就占满了。内存建议 16GB 以上，8GB 也能跑但系统会吃力。
AMD 显卡和 Mac 用户注意：秋叶整合包主要针对 NVIDIA。AMD 显卡需要额外的 HIP SDK，且不是所有版本都兼容；Mac 的 M 系列芯片能跑，但生态和教程远不如 N 卡丰富。新手如果还没买电脑，想玩 SD，优先选 NVIDIA 显卡。
别从 GitHub 开始，用整合包
Stable Diffusion 的"原版"安装方式是在命令行里克隆仓库、装 Python、配环境。新手不要碰这个——不是学不会，是没必要把时间花在配环境上。国内最主流的是秋叶 aaaki 制作的整合包（sd-webui-aki），把 Python 环境、WebUI 界面、常用插件全打包好了，解压就能用。
-
装运行环境
下载"启动器运行依赖-dotnet-6.0.11.exe"，双击，一路下一步。这个装的是 .NET 6，启动器需要它才能运行。
-
解压整合包
解压到一个英文路径、不要太深的目录，比如
D:sd-webui-aki。不要放桌面，不要用中文路径——中文路径是新手最常见的报错来源之一。 -
放模型
解压完之后文件夹里还没有能用的模型。下载一个"大模型"，放到
sd-webui-akimodelsStable-diffusion，格式是.safetensors或.ckpt。 -
启动
双击"A启动器.exe"，点"一键启动"。第一次启动会自动下载组件，等几分钟到十几分钟。完成后浏览器自动打开
http://127.0.0.1:7860，这就是 SD 的操作界面。
整个过程不需要敲一行命令。如果启动器闪退，最常见的原因是 .NET 6 没装好，或者路径里有中文，回去检查这两点。
模型决定你画出来是什么风格
"大模型"（Checkpoint）是出图的灵魂。同一个提示词，换一个模型，出来的东西可能完全不一样。模型文件通常有几个 G，下载需要一点耐心。
majicMIX realistic（麦橘写实）：生成亚洲面孔的首选，出图质感在真人模型里很靠前。Realistic Vision / RealVisXL：老牌写实模型，社区验证多，对新手友好。Juggernaut XL：光影和细节表现好，适合照片级输出。
Anything 系列（Anything v5 / Anything XL）：二次元入门的安全牌，画风干净，兼容性好。MeinaMix：很多人最喜欢的二次元模型之一，风格讨喜。IllustriousXL（光辉）：2026 年二次元社区的主流基础之一，很多新模型在它上面微调。
DreamShaper：元老级模型，真人、奇幻、3D 卡通都能出，适合什么都想试试的新手。
去哪里下：最集中的是 C 站（civitai.com），模型多、预览图多，能看到别人用什么提示词生成的。国内访问可能需要网络条件；访问不了的话，可以在整合包自带的模型站或国内社区找搬运。
Stable Diffusion 的"语言"：标签式，不是完整句子
这是 SD 和 Midjourney 最大的区别。你用逗号分隔的短语来描述画面，而不是像跟人说话一样写一段话。
主体描述, 细节特征, 场景/背景, 光线, 风格, 质量词
1girl, long black hair, red dress, standing on a city street,
night, neon lights, cinematic lighting, photorealistic,
masterpiece, best quality
质量词是必须的。SD 1.5 尤其需要，SDXL 也吃这一套。常用的有：masterpiece, best quality, highly detailed, sharp focus, 8k。不加质量词，出图容易"灰"或者"糊"。
# 告诉 SD "不要什么"，能挡掉大部分明显的畸形和瑕疵
ugly, deformed, noisy, blurry, low contrast, bad anatomy,
extra limbs, poorly drawn face, mutation, watermark, text
权重语法：某个元素没出来或不够强，用括号加权重。(word:1.2) 提高权重，(word:0.8) 降低权重。范围建议在 0.4 到 1.6 之间——太低被忽略，太高容易出畸形。
语言问题：主流模型只认英文。虽然有少数模型（如快手的 Kolors）支持中文，但绝大多数社区模型对英文的理解远好于中文。用中文写提示词，效果会大打折扣。
参数面板很吓人，但新手只需要调这四个
DPM++ 2M Karras
目前最通用、出图质量最稳定的选择之一。
20 – 30
低于 20 细节不够，高于 30 收益递减，只是多花时间。
7 左右
控制 SD"听不听话"。调低（4–5）更自由，调高（10+）更严格但可能僵硬。写实人像试 6，二次元试 7–8。
1.5→512² / XL→1024²
SD 1.5 用 512×512（或 512×768 竖版），SDXL 用 1024×1024。不要一上来就拉很高——直接生成高分辨率容易出"双头""多头"。需要大图用"高清修复"（Hires. fix），先小图再放大。
微调时固定
每张图都有一个种子值。想在满意的图上微调，固定种子，只改提示词里的一个词，就能保持整体构图、调整细节。
出第一张图，然后迭代
填好提示词和反向提示词，选好模型，点"生成"。等几十秒到一两分钟，你会看到一张图。大概率不会完美——可能是手崩了，可能是脸不像，可能是背景太乱。这很正常。
新手最有效的迭代方式：固定种子，一次只改一个东西。脸不对，就在提示词里加 detailed face, beautiful face；背景乱，就在反向提示词里加 messy background, cluttered。不要一次改五处，否则你根本不知道是哪一处起了作用。
手崩了怎么办？两个办法：一是加反向提示词 bad hands, extra fingers, deformed hands；二是用局部重绘（Inpaint）——把崩掉的手涂掉，只让 SD 重新画那一块。
几个新手一定会踩的坑
-
中文路径。整合包放在中文文件夹里，启动报错。放到磁盘根目录的英文文件夹里。
-
没放模型就启动。WebUI 能打开，但模型下拉列表是空的，点生成没反应。先去下载一个模型，放到
models/Stable-diffusion。 -
爆显存（OutOfMemory）。分辨率拉太高、同时挂太多插件、模型太大，都会爆。降分辨率，或者启动时加
--medvram/--lowvram参数。 -
用 SD 1.5 的提示词去跑 SDXL。SDXL 对提示词的要求不一样，质量词前缀也不同，混用容易出烂图。
-
模型放错目录。大模型放
models/Stable-diffusion，LoRA 放models/Lora，ControlNet 模型放models/ControlNet。放错了，界面里根本看不到。
如果电脑跑不动，还有别的路
- 用在线版。比如 LiblibAI、吐司 等国内平台，提供在线 SD 生成，不需要本地显卡，打开网页就能用。代价是额度和功能有限制。
- 用配置要求更低的替代工具。比如 Forge（WebUI 的分支，对低显存优化更好），或者 ComfyUI（学习曲线更陡，但显存效率比 WebUI 高）。
- 只是想"体验一下 AI 绘画"，不一定非要 SD。豆包、即梦 AI 这些国内工具，免费、不需要配置、中文输入，出图质量对大多数日常需求已经够用。SD 的优势在于完全的控制权和无限的定制空间——这个优势，是用门槛换来的。
Stable Diffusion 这件事，前两小时是最难的。显卡够不够、整合包解压对不对、模型放没放对位置、提示词怎么写——每个环节都有可能卡住。
但过了那个阶段，你会发现它其实是最诚实的 AI 绘画工具。Midjourney 给你什么你用什么，SD 是你调什么它给什么。你花在理解和调试上的时间，最终会变成对画面的控制力。
打开秋叶启动器，放一个模型进去，用 masterpiece, best quality 加一句简单的英文描述，点生成。第一张图可能不好看，但你会知道下一步该改哪里。
本文基于 2026 年 10 月公开教程和实测体验整理，整合包版本、模型推荐和参数建议可能随社区更新而变化，请以实际情况为准。
