LiblibAI下载Checkpoint后怎么导入客户端？从选择版本到首次出图

从 LiblibAI 下载 Checkpoint 后，导入客户端的正确顺序是：先在详情页确认模型类型、版本、架构和许可，再通过客户端下载或“导入本地模型”功能加入模型库，等待识别与刷新，最后只加载这个 Checkpoint 做一张基准图。第一次测试不要同时叠加 LoRA、ControlNet、插件和高清修复，否则出错时很难判断问题来自哪里。

官方地址：https://www.liblib.art/

开始前先确认设备和客户端入口

LiblibAI 当前客户端页面介绍了 Windows 客户端、社区模型下载后直接生图、WebUI 与 ComfyUI 两种启动方式，以及本地模型共享能力。页面对系统、显卡和固态硬盘有当前要求，安装前应以官方客户端页面的实时说明为准，不要照搬旧教程中的固定配置。

Checkpoint 往往比 LoRA 占用更多磁盘，加载时也会使用较多内存或显存。除了模型文件本身，还要为 VAE、Text Encoder、工作流、预览图和生成结果预留空间。模型库准备放到外接盘时，应确认磁盘连接稳定且客户端能持续访问该路径。

第一步：选对Checkpoint版本再下载

同一个模型可能提供 SD 1.5、SDXL、FLUX 或其他版本。下载前查看模型类型是否明确为 Checkpoint，并记录当前版本名称、文件名、架构、推荐尺寸、采样器、步数、CFG、VAE 和使用许可。某些 Checkpoint 还可能要求额外的 Text Encoder、配置文件、插件或特定生成界面。

不要只看封面效果选择版本。先判断本地客户端与当前 WebUI 或 ComfyUI 是否支持该架构，再检查本机硬件是否能满足目标分辨率和工作流。作者如果同时提供多个模型链接，应确认下载的是 Checkpoint，不是 LoRA、工作流或预览图。

文件下载完成后保留作者给出的原始文件名。可以在同名说明文件中记录来源、版本和下载日期，但不要把模型改成“新模型”“最终版”这种无法追溯的名称。准备商业使用时还应保存详情页当时的许可说明。

第二步：优先使用客户端的下载与导入能力

如果目标模型在当前客户端中提供下载入口，优先从客户端完成下载，让程序把文件加入自己的模型库。官方客户端页面说明，社区模型可以在客户端下载后直接用于生图，这种方式通常能减少手动寻找目录的步骤。

模型文件已经通过正规入口下载到本机时，可使用客户端当前提供的本地模型导入或共享能力。选择文件后先核对识别结果是否为 Checkpoint，再确认目标模型库。不要把扩展名相同的 LoRA、VAE 或 ControlNet 模型误导入主模型位置。

若客户端使用共享模型目录，理解“共享”与“复制”的区别：共享可能只是让多个启动器访问同一份文件，移动原文件或断开外接盘后会失效。导入完成后不要立即删除来源文件，先完成一次加载与生成，再按客户端的实际管理方式整理。

第三步：等待识别、扫描和列表刷新

大型 Checkpoint 的复制、哈希计算和首次扫描需要时间。进度未完成时不要反复点击导入，也不要强制关闭客户端。完成后进入模型管理或生成界面刷新主模型列表，确认名称、文件大小和架构标识与详情页记录相符。

在 AUTOMATIC1111 的默认结构中，Stable Diffusion Checkpoint 通常位于 models/Stable-diffusion，官方命令行参数也支持自定义 --ckpt-dir。LiblibAI 客户端或其他启动器可能使用自己的模型库和共享路径，因此应以客户端显示的实际路径为准，不必机械寻找默认目录。

模型不出现在列表中时，依次检查文件是否还在压缩包内、下载是否完整、扩展名是否受支持、是否误放进 LoRA 或 VAE 目录，以及列表是否刷新。不要通过修改扩展名把其他资源伪装成 Checkpoint。

第四步：确认使用WebUI还是ComfyUI

客户端支持 WebUI 与 ComfyUI，不等于每个 Checkpoint 在两边都能用相同方法加载。模型详情页如果注明只支持某个启动器、需要配套插件、包含特定 Text Encoder 或必须使用配套工作流，应优先按作者说明选择。

如果页面没有明确说明，先选择客户端中识别正常、与模型架构匹配的入口，用最小工作流测试。确认主模型能正常生成后，再逐步加入额外组件。

第五步：只加载Checkpoint做首次测试

进入文生图界面后，从“底模”或 Checkpoint 下拉框选择刚导入的模型，等待加载完成。第一次生成只保留主模型，不加载 LoRA、ControlNet、嵌入模型、高清修复和自动后期插件，以便建立干净基准。

1. 使用作者推荐的采样器、步数、CFG 和基础尺寸。
2. 写一个主体明确、背景简单的正向提示词。
3. 负向提示词保持简短，避免复杂模板掩盖模型特性。
4. 固定一个随机种子，并将批次数量设为一。
5. 生成后保存图片与完整参数。
6. 再更换两个种子，确认模型可以稳定输出。

首次结果的目标不是直接达到商业成片，而是确认模型能加载、提示词能响应、色彩和结构没有明显异常。基准通过后，再添加作者推荐的 VAE、LoRA 或高分辨率修复，每次只增加一个变量。

首次出图参数怎样设置更稳妥

优先照模型详情页，而不是套用自己以前的万能参数。不同架构适用的分辨率和 CFG 范围可能不同，同名采样器在不同实现中也可能有差异。作者只给出一个范围时，从中间值开始测试，再围绕结果小幅调整。

尺寸应先采用模型常见的基础画幅，不要首次加载就使用极高分辨率或大批量。显存不足时，先降低宽高和批量数量，再考虑客户端提供的内存优化。错误发生在加载阶段时，单纯降低生成尺寸可能无效，应回到架构和组件检查。

常见导入问题怎么排查

不要忽略下载与使用许可

模型页面能够下载，不代表允许二次分发、模型融合、集成第三方服务或所有商业用途。不同 Checkpoint 可能分别规定个人、企业、会员、在线与本地使用条件。正式项目应同时核对 Checkpoint、附加 LoRA、工作流和生成内容的许可。

对于需要插件或解密组件的模型，只使用作者和平台给出的正规入口，不从不明来源寻找替代文件。模型、插件和工作流的许可都应独立记录。

建立可复现的本地模型档案

首次测试成功后，为 Checkpoint 建立一份简短档案，记录来源页面、作者、版本、文件名、哈希、架构、客户端版本、启动器、VAE、推荐参数、许可摘要和基准图位置。更新客户端或插件前先保留可用环境记录。

新版本模型不要直接覆盖旧文件。旧项目可能依赖特定版本、VAE 和采样参数，保留版本号与哈希能避免半年后无法复现。团队使用共享模型库时，还应约定谁可以更新和删除文件。

导入完成后的检查清单

1. 模型来自 LiblibAI 当前正规入口，许可允许本地使用。
2. 详情页明确标注为 Checkpoint，版本与下载文件一致。
3. 架构、启动器和必要配套组件相互兼容。
4. 客户端模型列表中能看到文件，名称与体积合理。
5. 首次测试没有加载 LoRA、ControlNet 和高清修复。
6. 使用作者推荐的基础参数完成了固定种子基准图。
7. 来源、版本、哈希、参数和许可已经归档。

新手导入 Checkpoint 时，关键不是把文件复制到某个文件夹，而是保持“详情页版本—模型文件—架构—客户端入口—首次参数”一致。先用最小配置证明主模型正常，再逐步增加组件，后续问题会更容易定位。