Civitai模型下载与SD导入教程
有志者,事竟成!如果你在学习科技周边,那么本文《Civitai模型下载位置及SD导入教程》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~
需先确认Civitai模型类型并下载对应.safetensors/.ckpt等文件,再移至SD WebUI的models/Stable-diffusion/等指定子目录,最后点击Refresh图标加载并验证生成效果。

如果您在Civitai网站上找到心仪的艺术模型,但不清楚如何下载并导入Stable Diffusion使用,则可能是由于未明确模型文件类型或SD加载路径配置不当。以下是完成该任务的具体步骤:
一、定位并下载Civitai模型文件
Civitai上的模型以多种格式发布,常见为Checkpoint(.safetensors或.ckpt)、LoRA(.safetensors)、Textual Inversion(.pt)和ControlNet(.safetensors)。下载前需确认模型页面标注的类型,并选择与您SD环境兼容的版本。
1、打开Civitai官网,搜索目标模型,进入其详情页。
2、向下滚动至“Model Versions”区域,点击右侧下拉菜单选择一个具体版本。
3、在该版本卡片中,找到标有Download字样的蓝色按钮,鼠标悬停后会出现多个选项。
4、优先选择带Primary标签的文件;若存在多个Primary选项,查看文件扩展名:.safetensors更安全,.ckpt较旧但兼容性广。
5、点击对应下载链接,浏览器将自动开始下载,保存位置默认为系统“下载”文件夹。
二、将模型文件移至Stable Diffusion对应目录
Stable Diffusion WebUI根据模型类型,要求文件存放在固定子目录中,否则无法识别。路径结构依赖于您安装的WebUI版本(如AUTOMATIC1111),需严格匹配。
1、打开Stable Diffusion WebUI安装根目录,进入models文件夹。
2、根据模型类型,将下载的文件放入以下子文件夹之一:
— Checkpoint模型 → models/Stable-diffusion/
— LoRA模型 → models/Lora/
— Textual Inversion嵌入 → embeddings/
— ControlNet模型 → models/ControlNet/
3、确保文件名不含中文、空格或特殊符号(如#、[、]),建议仅保留英文字母、数字与下划线。
4、若目标子文件夹不存在,请手动新建,名称须完全一致(大小写敏感)。
三、刷新WebUI界面加载新模型
WebUI不会自动扫描新增文件,必须通过界面操作触发模型索引重建,否则模型不会出现在下拉菜单中。
1、启动Stable Diffusion WebUI(运行webui-user.bat或webui.sh)。
2、待界面完全加载后,点击顶部导航栏的Checkpoint下拉框右侧的Refresh图标(两个循环箭头)。
3、等待右上角弹出提示“Found X new checkpoints”,其中X为本次识别到的新模型数量。
4、再次点击Checkpoint下拉框,已下载的模型应出现在列表底部,名称与文件名一致(不含扩展名)。
四、验证模型是否可正常加载与生成
仅显示在列表中不代表模型完整可用,部分模型依赖额外组件(如特定VAE、超网络或脚本),需进一步验证基础推理能力。
1、在文生图界面,从Checkpoint下拉菜单中选中刚下载的模型。
2、输入简单正向提示词,例如masterpiece, best quality, 1girl,负向提示词留空或填入lowres, bad anatomy。
3、点击Generate按钮,观察控制台日志是否出现报错信息(如“KeyError”、“Tensor not found”)。
4、若图像成功生成且无红色报错文本,说明模型已正确加载;若提示“CUDA out of memory”,则需降低分辨率或启用“Low VRAM”选项。
到这里,我们也就讲完了《Civitai模型下载与SD导入教程》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
Golang跨平台编译技巧与build标签使用解析
- 上一篇
- Golang跨平台编译技巧与build标签使用解析
- 下一篇
- Windows连接隐藏WiFi教程详解
-
- 科技周边 · 人工智能 | 12小时前 | python · 人工智能 · Transformers apply_chat_template 聊天模板 chat_template 角色标签
- Transformers聊天模板与手写角色标签有什么兼容性差异
- 492浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | PyTorch checkpoint Accelerate 随机数状态 恢复训练
- Accelerate恢复训练时如何保存随机数状态
- 326浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- Diffusers怎样使用Generator复现同一张生成图
- 118浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | 模型 混合精度 优化器 分布式训练 Accelerate Accelerator.prepare
- Accelerate prepare为什么要同时接收模型与优化器
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | 人工智能 · Hugging Face Datasets streaming IterableDataset Dataset.shuffle shuffle buffer
- Datasets流式读取与内存数据集的shuffle有什么区别
- 130浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 |
- Hugging Face Datasets map怎样同时删除旧字段
- 421浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 |
- PEFT适配器检查点为什么不包含完整基础模型
- 301浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | python · Hugging Face 提示词 Transformers generate input_ids
- Transformers生成结果为什么包含输入提示词
- 111浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | 解码 token Transformers generate 新生成内容
- Transformers怎样只解码新生成的token
- 461浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | python · 人工智能 · Transformers offset_mapping 原始文本 Fast tokenizer 文本偏移
- Transformers分词偏移怎样映射回原始文本片段
- 330浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 466次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 528次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 546次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 495次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 316次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

