AI绘画入门：SD新手教程详解

这是一份专为零基础用户量身打造的Stable Diffusion实战入门指南，手把手带你从环境搭建到高质量图像生成：无需编程经验，只需一块满足要求的NVIDIA显卡，就能完成WebUI安装、模型与VAE匹配、结构化英文提示词编写、关键参数精细调优（采样器、步数、分辨率及Hires.fix），并进阶掌握ControlNet插件实现线稿/姿态精准控图——每一步都直击新手痛点，避开常见坑点，让你在短短几小时内真正跑通属于自己的AI绘画工作流，轻松迈出从好奇到创作的关键第一步。

如果您对AI绘画感兴趣，但尚未接触过Stable Diffusion，可能因安装复杂、界面陌生或提示词使用不当而难以生成理想图像。以下是针对零基础用户开展Stable Diffusion实践的详细入门路径：

一、安装Stable Diffusion本地运行环境

Stable Diffusion需在本地计算机部署模型与推理框架，依赖Python环境及显卡驱动支持，确保基础运行条件满足是启动绘图的第一步。

1、确认显卡为NVIDIA型号且显存≥4GB，驱动版本需高于510.00；

2、安装Python 3.10.6（不可使用3.11或更高版本），并勾选“Add Python to PATH”；

3、从GitHub克隆webui仓库：执行命令 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git；

4、进入stable-diffusion-webui文件夹，双击运行webui-user.bat（Windows）或webui.sh（Linux/macOS）；

5、首次运行将自动下载所需依赖与默认模型，等待终端显示“Running on local URL: http://127.0.0.1:7860”即完成。

二、加载基础模型与VAE文件

模型文件决定画风与细节表现力，VAE（变分自编码器）则影响颜色还原与平滑度，二者必须匹配才能避免色偏或模糊。

1、访问Civitai网站，搜索标签“SD1.5”或“sdxl”，下载一个评分≥4.5的Checkpoint模型（如“deliberate_v3”）；

2、将模型文件（.safetensors或.ckpt格式）放入webui根目录下的models/Stable-diffusion/文件夹；

3、下载对应模型推荐的VAE文件（通常名称含vae-ft-mse-840000.ckpt），放入models/VAE/文件夹；

4、重启WebUI，在左上角“Stable Diffusion Checkpoint”下拉菜单中选择刚添加的模型，下方“VAE”选项同步选择同名VAE文件。

三、编写有效提示词（Prompt）结构

提示词是控制画面内容的核心指令，需按权重层级组织，主体描述优先，风格与质量参数后置，避免语义冲突。

1、在“Positive prompt”框内输入：a realistic portrait of a young East Asian woman, soft lighting, studio photo, detailed skin texture, 8k uhd, masterpiece, best quality；

2、在“Negative prompt”框内输入：deformed, mutated hands, bad anatomy, text, error, missing fingers, extra digit；

3、使用括号调节词权重：(masterpiece:1.3)、[low quality:0.8]，括号嵌套不超过两层；

4、避免中英文混输，所有提示词必须为英文单词或短语。

四、配置关键采样参数与尺寸

采样器与步数共同影响图像收敛稳定性，分辨率设置需匹配显存容量，过高将导致显存溢出或中断生成。

1、在“Sampling method”中选择Euler a或DPM++ 2M Karras，避免使用PLMS或DDIM（已弃用）；

2、设置Sampling steps为20–30，低于15易出现噪声，高于40提升有限但耗时显著增加；

3、Width与Height建议设为512×768（竖版人像）或768×512（横版场景），总像素不得超过1280×720（921600像素）以适配6GB显存；

4、启用“Hires.fix”时，先以低分辨率生成再放大，第一阶段分辨率设为512×512，第二阶段缩放倍数选1.5。

五、使用ControlNet增强构图控制力

ControlNet插件可将手绘草图、边缘图或姿态关键点映射为生成约束，大幅降低提示词调试成本，尤其适用于人物姿态与建筑结构。

1、在WebUI扩展页点击“Available”，搜索“controlnet”，勾选并点击“Install”；

2、重启WebUI后，切换至“ControlNet”选项卡，点击“Enable”；

3、上传一张人物姿势线稿图，在“Preprocessor”中选择“openpose”，点击“Detect”生成骨骼图；

4、在“Model”下拉菜单中选择匹配的controlnet-openpose模型（如control_v11p_sd15_openpose），权重（Weight）设为0.8–1.0，Processor Res设为512。

今天带大家了解了的相关知识，希望对你有所帮助；关于科技周边的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~