企业官网建设流程全解析

第一次把Stable Diffusion拉到本地的时候，我一度怀疑是电脑坏了：命令行闪退、模型下到一半断连、好不容易跑起来又弹“No module named torch”。后来才明白，问题基本不在机器，而是“环境”没搭干净。直到改用社区里流传度很高的整合包，我才把折腾环境的时间从一下午缩到了十几分钟。今天这篇就围绕整合包和它带出来的三件主力功能——文生图、图生图、局部重绘——把操作流程和参数细节讲透，再列一份真正适合上手的模型清单。刚接触本地AI绘图、想省事出片的人，可以直接按这条路径走；已经玩过一段的老手，重点看后半段关于参数控制和局部重绘的使用逻辑。

1. 整合包是所有人绕不开的第一道选型题

1.1 自己装和用整合包，差距具体在哪

原生安装Stable Diffusion并不是双击一个exe就行，它牵扯到Python虚拟环境、PyTorch/CUDA驱动、WebUI前端、模型文件放置路径、各种扩展插件依赖。对普通用户来说，光是搞懂pip install和git clone的区别就够劝退一大批人了。整合包的思路很简单：把这些依赖全部预先打好，解压后启动脚本即可运行。我早期自己手动搭过一套，和后来换整合包对比，主要差距体现在三处：

• 依赖版本匹配不同：手动装经常遇到torch版本和GPU算力不匹配，整合包则内置了验证过的组合。
• 模型管理规范不同：整合包通常把models/Stable-diffusion、models/Lora、models/VAE这些目录预设好了，下载完丢进去就能识别。
• 出问题时的排查成本不同：整合包报错大多是网络或配置项的偏差，手动安装则可能从显卡驱动就崩起。

社区里常见的整合包分两类：一类是WebUI向的“秋叶系”，主打开箱即用和界面友好；另一类是ComfyUI向的“节点工作流”，适合做批量出图和精准控制。新手推荐从WebUI整合包入手，因为它把文生图、图生图、局部重绘都做成了可视化页面，功能可见性最高。

1.2 挑整合包时的几个判断标准

下载整合包最怕的是“来路不明”。我的习惯是先看三样东西：发布者是否长期维护、更新日志是否连续、解压后是否带启动器或一键启动脚本。那种压缩包十几GB、里面却没有论证环境的整合包，大概率是把模型和程序混在一起“包饺子”，换到别人机器上容易出幺蛾子。

还要注意版本问题。很多整合包基于SD1.5训练生态，也有基于SDXL的新整合包。如果你主要想玩偏写实或摄影感强的图，SD1.5生态下的整合包更稳定；如果想直出高清图和更细腻的光影，可以看SDXL或Pony系列的整合包。另外，ComfyUI整合包的兴起是因为它在显存利用率和批量任务上更优，但代价是学习曲线陡一些。我的建议是：WebUI整合包跑通基础，ComfyUI等熟练后再作为补充，不要一开始就两线作战。

2. 文生图从提示词到参数：出图的骨架都在这一步

2.1 提示词的基本结构

文生图的核心原料是提示词，它由“正向提示词”和“反向提示词”两部分组成。正向提示词描述你想要的内容，反向提示词描述你不想要的内容。第一次跑图的人，经常把想表达的元素全部塞进一句话里，结果画面元素互相打架。比较顺手的方式是分段：主体在前，场景在中，画质标签最后。

举个例子，想要“一位穿着红色外套的女性站在雨夜街道上，远处有霓虹灯”，类似这样组织正向词：

masterpiece, best quality, 1girl, solo, red jacket, standing, street, night, rain, wet road, neon lights, cinematic lighting

反向提示词常用：

lowres, bad anatomy, bad hands, extra fingers, missing fingers, watermark, signature, jpeg artifacts

这套写法的逻辑是：先给模型一个“画面能量等级”的基调标签，然后是主体描述，最后是环境和光影。写完正向词后，用反向词过滤掉常见画崩点，比如手指数量不对、结构畸形、多余肢体。模型不是理解句子，而是在标签空间里检索概率分布，所以“标签化”比“造句化”更有效。

2.2 关键参数要盯哪几个

文生图的参数面板通常有采样器、步数、CFG、宽高比、种子这几个核心项。

• 采样器（Sampler）：目前使用频率较高的是DPM++ 2M Karras和Euler a。前者细节感强，后者速度快。追求默认稳妥可以直接选DPM++ 2M Karras。
• 步数（Steps）：SD1.5模型跑30步左右已经足够，SDXL类模型可以跑到35-40步。步数太高不会让画面变好，只会让显存占用和耗时变得更难看。
• CFG（提示词相关性）：7左右是多数模型的甜点区。CFG过低画面会忽视提示词，过高则色彩过浓、边缘发硬。
• 种子（Seed）：固定种子让同一套参数生成同一张图。这个参数特别适合做微调对比——换一批提示词或换一个模型，但控制变量。
• 分辨率：SD1.5原生图常跑512×512或512×768；SDXL原生图通常跑1024×1024。分辨率拉太高而模型没跟上，容易出现结构崩坏。

我第一次跑图时把步数拉到了150，CFG拉到18，结果出来的图又脏又暗。问题不是模型不够好，而是参数溢出了。后来背了这个默认启动公式：30步 + DPM++ 2M Karras + CFG 7 + 原生气数分辨率，几乎不会被开屏雷击。

2.3 跑通第一张图的实际操作

用整合包启动WebUI之后，选一个合适的底模（具体模型推荐见第5节），然后在正向提示词框里粘入上面的示例，反向提示词保持默认，点击生成。这里有一个很多人忽略的操作：把种子固定下来，再用同一提示词换一个风格接近的底模对比，能明显看出每个模型对提示词的响应差异。这比盲选模型高效得多。

如果显存小于等于8GB，建议打开“优化”里的xformers或者显存优化选项，生图速度会有肉眼可见的提升。千万别同时开太多后台程序，第一次出图时我被Windows更新占着资源，一张512图跑了近一分钟，后来关了后台再跑，十几秒就出来了。

3. 图生图要控制的其实是“变化幅度”，想通这一点就不难

3.1 图生图能做什么

图生图的入口是：把一张既有图片作为输入，让模型参考它生成新图片。常见用途包括线稿上色、照片改画风、角色换装、草图精修等。它的本质不是“复制原图”，而是“理解原图的内容之后重新渲染”。因此图生图并不适合想把某个细节完全保留的需求，它更适合“从参考图出发去再创造”。

理解这个定位之后，很多疑惑就解开了。图生图不是要保住画面的每一个像素，而是要留住构图、颜色倾向或主体属性，然后按照提示词画出新版本。

3.2 Denoising strength才是真正的控制器

图生图面板有一个非常关键但容易被当成摆设的参数：重绘幅度。字面叫法可能是Denoising strength或重绘幅度，它决定了模型对原图的改动程度。这个值通常在0到1之间：

• 0.1-0.3：基本保持原图构图，只对细节做微调，适合修复画面瑕疵、改善光影。
• 0.4-0.6：中等程度改动，保留主体和大致结构，但会大幅改变画风、材质、氛围，是照片转绘最常见的区间。
• 0.7-1.0：彻底重构画面，原图只承担构图或色彩参考，甚至会被完全打破重建。

实际使用时，我见过有人上来就设0.75，结果原图的五官、衣纹全部被冲散，生成结果和原图只剩色调相似。把值降到0.5后，角色特征才稳定下来。这里的经验是：想让画面“更像原图”，值就往0.4以下调；想让画面“有原图的影子但彻底换一种表达”，值就往0.6以上调。

3.3 用图生图提升出图质量的一套组合拳

图生图还有一个经典用途是“二轮精修”：先用文生图快速出一个构图满意的初稿，然后把它拖进图生图，设置重绘幅度0.25-0.35，加上更高的画质提示词，让它把细节重绘得更干净。这个操作比直接生成一张大图要稳得多，因为初稿的结构、透视、人物比例已经确定，二轮重绘只是在已有结构上做细节打磨。

如果配合ControlNet插件使用，还能用线稿提取、姿态骨架等功能把画面结构锁得更死。但对于只看整合包内置功能的用户，单靠重绘幅度也能完成大部分精修需求。记住：图生图的本质是“用提示词引导一次有限度的翻新”，重绘幅度就是翻新力度。

4. 局部重绘：遮到哪，改到哪，不再整张图推倒重来

4.1 蒙版机制是什么逻辑

局部重绘解决的问题是“我只想改画面的某一块，别的地方不要动”。以前没这个功能时，想改一个背景里的污渍就得整张图重新生成，连带把人物也弄崩了。局部重绘通过在画面上拉出一块蒙版（可理解为选定区域），让模型只针对被遮住或明确指定的区域重新推理。

WebUI里的局部重绘通常有两种模式：重绘蒙版区域和重绘非蒙版区域。前者只重绘你涂抹过的地方，后者则重绘除涂抹区域之外的全部。95%的场景只需要前者：涂哪里，改哪里。

4.2 羽化和蒙版模糊两个容易被忽视的数值

局部重绘界面里的“蒙版羽化”或者“模糊蒙版”参数，直接决定了交接处的过渡是否自然。如果羽化值设为0，生成的替换区域和原图交界处会有很硬的接缝，像贴了一块补丁。我实际操作时，一般把羽化设在10-30之间，小区域修复用低值，涉及大面积背景替换则用高值。

另一个重要的选择是“仅重绘蒙版区域”和“整张图重绘”。局部重绘逻辑初看简单，实际操作里却容易有一个误会：选了仅重绘蒙版区域后，有时候会发现替换内容因为缺少上下文而“画蛇添足”。这时候可以切换到“整张图重绘”模式，让模型参考全图信息后在蒙版范围内重新推理，融合度通常会更好。这个切换是最容易踩的一项，我自己也是试了多次才找到规律。

4.3 局部重绘的实操场景举例

我经常遇到两类需求，一是换背景杂物，比如把照片里的路人甲P掉，二是改人物细节，比如把衣服颜色从红色改成蓝色。前者适合用“涂抹蒙版+较高重绘幅度+提示词描述地面或天空”，后者适合用“精确涂抹衣服轮廓+提示词单独描述新颜色+低重绘幅度”。

关键是要控制好提示词的范围。局部重绘不是把整段提示词原样复制进去，而是用尽可能精简的提示词描述你期望的局部内容，例如：

blue dress, fabric texture, soft shading, detailed clothing

反向提示词可以保留通用的画质过滤项。如果局部重绘结果反复出现色彩偏移，可以把重绘幅度往下降0.05-0.1，或者把蒙版区域缩小一点。因为重绘幅度偏高导致模型把相邻区域也顺手改了，很常见。

5. 热门模型到底该装哪些：从底模到LoRA的一手清单

5.1 底模类型决定画面风格走向

模型文件一般放在整合包的models/Stable-diffusion目录下，后缀常见.safetensors或.ckpt两类，优先选.safetensors，因为这种格式不带可执行代码，更安全。底模是整个画面的“地基”，它决定你的出图是偏写实、偏二次元还是偏厚涂。

目前的底模生态可以粗略分成三个梯队：

• SD1.5系列：轻量、加载快、生态成熟。适合写实和半写实方向，一些知名写实模型基本都在这个范围内稳定运行。
• SDXL系列：原生分辨率高，直出图细节多，适合光感强、构图复杂的画面，但对显存和生成时间的要求更高。
• Pony系列：在特定审美细分领域（比如角色设计、艺术风格化）很强，但提示词习惯和一般模型不太一样，需要额外适应。

5.2 上手阶段值得留意的几类模型

这里不谈具体下载链接，只讲按场景怎么挑。以我长期使用的感受来说，通用场景可以直接找社区评分高的大模型，通常作者会在简介里把“适用画风”写明。比如偏写实人像的方向，可以找那些训练集以摄影图为主的模型，出图倾向于肤色自然、光影柔和；偏二次元的方向，就找以插画和动画数据集为主的模型。

LoRA是另一类重要文件，体积比大模型小很多，一般放在models/Lora目录下。它的作用是给底模叠加特定风格、特定角色或特定概念。比如你有一个非常喜欢的人物形象，就可以用对应的LoRA配合任意底模来实时注入。

初学者的合理路径是：只装一个大模型、一个通用VAE、两三个LoRA，先用最少的变量跑图。模型装太多不会让图变好，反而会在切换时搞不清某张好图到底是怎么调出来的。我的仓库里现在大模型不超过五个，但每个都是精挑的特定用途。

5.3 模型下载后别忘检查配置文件

整合包要求模型名称和提示词无关，但文件名最好保持清晰可读，比如realistic_photov1.safetensors，不要存成model_sd_v1这种无意义名。换模型后在WebUI右上角刷新模型列表，确认已加载。

VAE文件负责画面的色彩空间解码，有的模型自带了VAE，有的需要单独放置到models/VAE。直接跑图如果发现“灰蒙蒙”、颜色溢出像褪色照片，多半是VAE没挂上。这个坑我遇到过好几次，尤其是从SD1.5换到其他底模后，画面发灰往往不是提示词问题，而是VAE没匹配。

6. 整合包日常使用会碰到的报错与养护技巧

6.1 启动失败的几种典型情况

整合包报错是常态，但很多问题其实是共通的。先说一个在macOS系统里相当典型的报错：启动时报importerror: dlopen ... libomp。这类问题的原因通常是PyTorch依赖的原生库缺失，不少整合包默认是针对Windows环境打包的，在Mac上跑时会缺libomp或openmp运行时库。解决思路不是重装整合包，而是先补原生依赖，比如用系统包管理器安装libomp，再看WebUI后端是否能正常加载torch。我的经验是：Mac跑整合包本身很吃内存，8GB内存机型建议加设虚拟内存，不然前端起来了，出图瞬间也会被系统杀掉。

Windows下最常见的问题是启动器弹窗提示“显存不足”或“CUDA out of memory”。这通常不是启动阶段的问题，而是加载底模时显存被占满。处理方式是在启动参数里加上显存优化级别的参数，或者直接把分辨率下调几个档位，比如SDXL模型用1024分辨率，SD1.5模型用512的整数倍。

6.2 模型加载慢、出图慢的排查顺序

出图慢的原因要从上往下查。第一步看底模文件大小，7GB左右的SDXL模型和2GB左右的SD1.5模型再速度上完全不是一回事。第二步看采样器步数，之前提到30步是常态，如果某采样器默认就是50步，耗时自然会上去。第三步看是否同时开了太多扩展，局部预览、提示词补全这类插件的后台解析也会占用显存。

还有一个容易被忽略的因素是“生成批次”。有人为了找灵感一次性把批量设为8，同一提示词垫底，出图慢先不说，显存往往在第二批就爆掉。正确做法是一次一张或一次两张，用固定种子快速遍历，确定构图后再扩大分辨率精修。

6.3 管理模型和清理缓存

整合包用久了，缓存目录会积累大量临时文件，其中包括每次生成时保存的过程图和历史缩略图。我基本每周清一次，把生成目录里不满意的缩略图直接删掉，可以保持前端页面干净，避免模型切换时缩略图加载卡顿。模型文件本身不用频繁移动，只要固定在models目录下，重装整合包时还能单独备份这些目录来复用。

7. 玩了一段时间后，我最想留下来的几点经验

7.1 出图流程要分级而不是一步到位

很多新手一上来就追求“1000×1280高清大图”，结果慢、卡、崩都是常事。我的流程是：先用512分辨率和低步数快速出缩略图，确认构图和提示词方向，再换目标分辨率、加画质提示词，做最终精修。这种方式最直观的好处是试错成本低很多，一张小图崩了不心疼，从失败中调整提示词的速度也快得多。

7.2 提示词要建自己的“词汇库”

我写提示词不靠完全记忆，而是维护一个本地文本文件，里面按“人物”“场景”“光线”“画质标签”分类存放平时验证有效的关键词。比如场景类我会记录“rainy street、neon lights、sakura、desert road”，画质类我会记录“masterpiece、best quality、ultra detailed、8k wallpaper”。当你想复现某天的好效果时，这套词汇库可以直接拼出一段符合当时风格描述的命令。

7.3 组合牌比一张牌好使

文生图出初稿、图生图做重绘、局部重绘修局部，这三个功能不是独立的，而是能组合成一条稳定生产线。我常用的组合是：文生图拿到构图，图生图二轮定画风，局部重绘修细节，再交给放大模型做后处理。整套流程下来，单张成图的成功率远比单独靠文生图硬抽卡要高。Stable Diffusion看上去功能零散，但只要把工具之间的衔接逻辑想明白，它就能从一个玩具变成工作流的一环。