Stable Diffusion完整操作手册：本地部署与高级控制

最后更新：2026年06月25日 适用版本：Stable Diffusion 最新版 预计阅读时间：30分钟

---

第一章：快速入门（注册登录、界面介绍、第一个任务）

第一章：快速入门

欢迎来到 Stable Diffusion 的世界！本章将引导您从零开始，完成账号注册、熟悉核心界面，并生成您的第一张 AI 图像。请按照以下步骤操作，只需几分钟，您将亲眼见证人工智能的创造力。

1. 注册与登录

Stable Diffusion 提供了多种运行方式，本手册以官方推荐的 WebUI（Automatic1111）或云端服务为例。若使用云端平台，流程如下：

1. 访问官网：在浏览器中输入 Stable Diffusion 官方合作伙伴或托管平台的网址。
2. 创建账号：点击页面右上角的 “Sign Up”（注册）按钮。
   • 输入有效的电子邮箱地址。
   • 设置一个包含字母和数字的安全密码。
   • 勾选“我已阅读并同意服务条款”，点击 “Register”。
3. 验证邮箱：登录您的邮箱，找到来自平台的验证邮件，点击其中的 “Verify Email” 链接。
4. 登录系统：返回平台首页，输入邮箱和密码，点击 “Log In” 进入控制台。

注意：首次登录时，系统可能会引导您完善个人资料，建议上传头像以便识别账户。

2. 界面介绍

登录后，您将看到主工作台。对于新手而言，只需关注以下四个核心区域：

### 提示词输入区（Prompt）

这是您与 AI 沟通的主要渠道。位于界面左侧或顶部，分为两个主要文本框： - 正向提示词（Positive Prompt）：描述您希望画面中出现的内容，如“一只可爱的猫咪”、“阳光”、“高清细节”。 - 反向提示词（Negative Prompt）：描述您不希望出现的内容，如“模糊”、“低分辨率”、“多余的手指”。

### 参数设置区

位于界面右侧，包含关键控制选项： - 模型选择（Checkpoint）：下拉菜单，用于选择不同的预训练模型（如 SD 1.5, SDXL 等）。 - 采样器（Sampler）：决定图像生成的算法，新手推荐选择 DPM++ 2M Karras 或 Euler a。 - 步数（Steps）：生成迭代次数，通常设置为 20-30 步即可达到较好效果。 - 种子（Seed）：随机数种子。设为 -1 表示每次生成随机种子；固定种子可复现相同图像。

### 预览与操作区

位于界面底部或中央，显示当前任务的进度条、生成按钮以及历史结果预览图。

### 工具栏

包含保存图像、放大查看、批量生成等功能按钮。

3. 生成第一个任务

现在，让我们尝试生成一张简单的图像。请严格遵循以下操作步骤：

1. 输入提示词：

   • 在 正向提示词 框中输入：a cute robot sitting on a cloud, sunset background, digital art, high detail（一朵云上的可爱机器人，日落背景，数字艺术，高细节）。
   • 在 反向提示词 框中输入：blurry, bad anatomy, low quality（模糊，解剖结构错误，低质量）。

2. 调整参数：

   • 确保 模型 已选择默认的 v1-5-pruned-emaonly.safetensors（或当前首选模型）。
   • 将 采样器 设置为 DPM++ 2M Karras。
   • 将 步数 设置为 20。
   • 保持 宽高比例 为默认的 512x512 或 768x768。

3. 执行生成：

   • 点击蓝色的 “Generate”（生成）按钮。
   • 等待进度条加载完毕。通常在 5-15 秒后，下方将显示生成的图像。

4. 查看结果：

   • 如果图像符合预期，点击右下角的 “Save” 图标将其保存至本地。
   • 如果不满意，修改提示词中的形容词（如将 cute 改为 cool），再次点击 Generate。

4. 注意事项与最佳实践

• 硬件资源：若您本地部署，请确保显卡显存至少为 4GB（推荐 8GB+）。云端用户无需担心此问题。
• 提示词简洁性：新手应避免堆砌过多关键词。先使用 3-5 个核心名词和形容词，逐步增加复杂度。
• 负向提示词的重要性：始终使用反向提示词剔除常见瑕疵，能显著提升出图质量。
• 耐心等待：生成过程受网络或算力影响，可能出现延迟，请勿重复点击生成按钮，以免产生冗余任务。

通过以上步骤，您已成功迈出 AI 绘画的第一步。接下来，请尝试更换不同的模型和提示词，探索无限可能！

第二章：基础功能详解（核心功能逐个讲解，带截图说明）

第二章：基础功能详解

欢迎来到 Stable Diffusion 的核心操作世界。本章将带你逐一拆解界面中的关键功能模块，通过具体的步骤演示，帮助你从零开始生成高质量的 AI 图像。虽然不同前端界面（如 WebUI 或 ComfyUI）布局略有差异，但核心逻辑一致。

1. 文本提示词（Prompt）：给 AI 的“指令”

文本提示词是生成图像的灵魂。你需要用自然语言描述你希望看到的画面。

• 操作步骤：

  1. 在界面顶部找到 “Positive Prompt”（正向提示词） 输入框。
  2. 输入描述性语句，例如：a cute cat wearing sunglasses, cyberpunk city background, 8k resolution（一只戴墨镜的可爱猫咪，赛博朋克城市背景，8k分辨率）。
  3. 点击下方的 “Generate”（生成） 按钮。
  4. 等待进度条走完，右侧预览区将显示生成的图像。

• 注意事项与最佳实践：

  • 逗号分隔：使用英文逗号 , 分隔不同的特征，避免使用中文标点。
  • 权重调整：若某元素过于突出，可使用 (keyword:1.2) 增加权重，或 [keyword] 降低权重。
  • 负面提示词（Negative Prompt）：务必在下方输入框填写不想出现的元素，如 low quality, blurry, bad anatomy（低质量、模糊、人体结构错误），这能显著提升出图成功率。

2. 采样器（Sampler）与步数（Steps）：控制生成过程

采样器决定了 AI 如何将噪声转化为图像，步数则影响细节丰富度。

• 操作步骤：

  1. 在设置面板中找到 “Sampling Method”，推荐新手选择 Euler a 或 DPM++ 2M Karras。
  2. 调整 “Sampling Steps” 滑块，通常设置在 20-30 步之间。
  3. 保持其他参数默认，再次点击 “Generate”。

• 注意事项与最佳实践：

  • 步数并非越多越好：超过 30-40 步后，图像质量提升微乎其微，但耗时显著增加。建议从 20 步开始测试。
  • 采样器选择：Euler a 速度快且变化随机性强；DPM++ 系列更稳定，适合需要精确控制的场景。

3. 随机种子（Seed）：锁定或变化图像

Seed 是图像生成的初始噪声值。相同的 Seed + 相同的 Prompt = 几乎相同的图像。

• 操作步骤：

  1. 生成满意图片后，查看输出区域显示的 Seed 数值（如 123456789）。
  2. 若想微调细节，将该数值填入 Seed 输入框，取消勾选旁边的 “Randomize” 复选框。
  3. 修改 Prompt 中的少量词汇（如将 cat 改为 dog），重新生成。

• 注意事项与最佳实践：

  • 固定种子：当你对构图满意但想更换角色时，固定 Seed 可保留背景结构。
  • 随机种子：若想尝试完全不同的创意，点击 “Randomize” 或手动输入 -1，让 AI 探索新可能。

4. 图像尺寸（Resolution）与批量生成

• 操作步骤：

  1. 在 “Width” 和 “Height” 栏中设置尺寸，推荐标准比例如 512x512 或 768x768。
  2. 若需一次生成多张图，调整 “Batch Count”（批次数量）为 4 或更多。
  3. 点击 “Generate”，系统将在同一网格中展示多张变体。

• 注意事项与最佳实践：

  • 显存限制：高分辨率（如 1024x1024）会占用大量显存，可能导致 OOM 错误。新手建议先从 512x512 开始。
  • 宽高比：确保宽高均为 64 的倍数，否则部分模型可能报错或裁剪异常。

5. 高清修复（Hires. fix）：提升画质细节

这是将模糊小图变清晰的关键功能。

• 操作步骤：

  1. 勾选 “Hires. fix” 选项。
  2. 设置 “Upscaler” 为 R-ESRGAN 4x+ 或 Latent。
  3. 调整 “Denoising strength”（重绘幅度）至 0.3-0.5 之间。
  4. 生成图片，AI 将先以小尺寸生成草稿，再放大并补充细节。

• 注意事项与最佳实践：

  • 重绘幅度控制：值过高会导致原意偏离，值过低则无法有效增强细节。
  • 耗时警告：高清修复会显著增加生成时间，请耐心等待。

掌握以上五个核心模块，你已具备独立创作的能力。下一章我们将深入探讨 LoRA 模型的使用与高级后期处理技巧。

第三章：高级技巧（提示词工程、多轮对话、风格控制）

第三章：高级技巧

掌握基础操作后，我们将深入探索 Stable Diffusion 的核心魔力。本章将重点介绍如何通过精细的提示词工程、有效的多轮迭代以及严格的风格控制，让你的创意从“可用”升级为“惊艳”。

3.1 提示词工程：精准描述的艺术

提示词（Prompt）是与 AI 沟通的语言。优秀的提示词能让模型准确理解你的意图。

操作步骤

1. 打开提示词输入框：在主界面找到 Positive Prompt（正向提示词）区域。
2. 构建结构化语句：遵循“主体 + 细节 + 环境 + 质量”的逻辑顺序。例如，输入 A cyberpunk girl, neon lights, rain-soaked street, 8k resolution, highly detailed。
3. 调整权重：若某个元素被忽略，可在其前后添加括号或数字。例如 (masterpiece:1.2) 表示加强权重，[background] 表示降低权重。
4. 生成预览：点击 Generate 按钮，观察生成的图像是否符合预期。
5. 迭代优化：根据结果修改提示词，重复上述步骤，直到获得满意作品。

注意事项

• 避免冲突：不要在正向提示词中同时输入矛盾的概念（如“白天”和“黑夜”），这会导致画面混乱。
• 使用逗号分隔：不同元素之间务必用英文逗号 , 隔开，不要使用中文标点。
• 负面提示词的重要性：在 Negative Prompt 中输入常见的瑕疵词，如 ugly, deformed, blurry, bad anatomy，能显著提升出图质量。

最佳实践

• 建立自己的“词库”，收集常用的形容词、光影效果和艺术家名字。
• 尝试使用预设的模板，如 photo of [subject], shot on [camera], [lighting], [style]，快速构建高质量提示词。

3.2 多轮对话与迭代：从草稿到成品

AI 绘画不是一次性的过程，而是一个迭代的创作流程。通过多轮对话，你可以逐步完善细节。

操作步骤

1. 初稿生成：使用基础提示词生成一张大致符合构图的图片。
2. 局部重绘（Inpainting）：
3. 勾选 Inpaint 模式。
4. 使用画笔涂抹需要修改的区域（如手部、面部）。
5. 在提示词中描述修改后的内容，例如 perfect hands, smiling face。
6. 点击 Generate，AI 将仅重绘涂抹区域，保持其他部分不变。
7. 高清修复（Hires. fix）：
8. 启用 Hires. fix 选项。
9. 设置放大算法（如 Latent 或 ESRGAN_4x）。
10. 调整放大倍率（通常为 2x 或 4x）。
11. 再次点击 Generate，AI 将在高分辨率下补充细节，消除模糊。

注意事项

• 重绘幅度（Denoising strength）：在局部重绘时，此值控制变化程度。低值（0.3-0.5）保留原图较多细节，高值（0.7-0.9）允许更大范围的改变。
• 种子（Seed）的使用：记录满意的种子号，可以复现类似构图，便于微调而非完全重来。

最佳实践

• 采用“由粗到细”的策略：先确定构图和大致风格，再逐步细化五官、衣物纹理和背景光影。
• 利用 ControlNet 等插件固定姿态或线条，确保多轮迭代中主体一致性。

3.3 风格控制：赋予作品独特灵魂

通过调整采样器、步数以及引入 LoRA 模型，你可以精确控制图像的视觉风格。

操作步骤

1. 选择采样器（Sampler）：
2. 在设置中找到 Sampler 下拉菜单。
3. 尝试 Euler a（速度快，细节一般）或 DPM++ 2M Karras（平衡性好，推荐新手使用）。
4. 调整步数（Steps）：
5. 设置 Steps 值为 20-30。步数过低会导致画面不完整，过高则收益递减且耗时增加。
6. 加载风格 LoRA：
7. 点击 LoRA 标签页。
8. 浏览并选择一个你喜欢的风格模型（如 Anime Style 或 Photorealistic）。
9. 调整 LoRA 权重（通常 0.7-1.0 为宜），过高的权重会扭曲原始提示词的含义。
10. 应用风格：
11. 点击 Generate，观察图像是否呈现出所选风格的特征。

注意事项

• CFG Scale（提示词相关性）：通常设置在 7-12 之间。值过高会使画面颜色饱和度过高、对比度过强；值过低则画面可能偏离提示词。
• LoRA 兼容性：确保 LoRA 模型与你使用的 Checkpoint 大模型版本兼容，否则可能出现黑屏或严重失真。

最佳实践

• 多实验不同采样器和步数的组合，找到最适合当前提示词的配置。
• 建立个人风格档案，记录每次成功的参数组合，方便日后快速调用。

通过以上技巧，你将能够更自由地驾驭 Stable Diffusion，实现从概念到成品的无缝转化。记住，实践是唯一的捷径，大胆尝试，享受创作的乐趣。

第四章：实战案例（3个真实场景完整演示）

第四章：实战案例

本章将通过三个真实且高频的使用场景，手把手带你完成从创意构想到最终出图的完整流程。我们将分别演示电商产品图生成、社交媒体插画创作以及角色一致性设计。请确保你的 Stable Diffusion WebUI 已加载合适的模型（Checkpoint）及相应的 ControlNet 插件。

场景一：电商产品图——让普通商品焕然一新

假设你有一张普通的白色背景水杯照片，希望将其置于“清晨阳光下的木质餐桌”场景中，用于电商详情页。

1. 准备素材：打开 WebUI 的 Img2Img（图生图） 标签页，上传你的水杯原始照片。
2. 设置重绘幅度：在 Denoising strength（重绘幅度） 滑块中，将其设置为 0.4 - 0.6。这一步至关重要，数值过低会保留太多原图背景，过高则会改变物体形态。
3. 编写提示词：
   • Positive Prompt（正向提示词）：输入 morning sunlight, wooden table, steam, cozy atmosphere, high resolution, photorealistic（晨光，木桌，热气，舒适氛围，高分辨率，照片级真实）。
   • Negative Prompt（反向提示词）：输入 blurry, dark, messy background, distorted cup（模糊，黑暗，杂乱背景，变形的水杯）。
4. 执行生成：点击 Generate（生成） 按钮。
5. 结果优化：如果水杯边缘与桌面融合不自然，可开启 Inpaint（局部重绘） 功能，涂抹水杯周围区域，单独调整光影提示词，再次生成直至完美。

注意：对于复杂背景替换，建议结合 ControlNet Canny 或 Depth 预处理器，以锁定水杯的轮廓结构，防止形状扭曲。

场景二：社交媒体插画——快速生成风格化头像

你需要为小红书或 Instagram 制作一组扁平化风格的极简主义插画，用于品牌宣传。

1. 选择模型：在模型选择栏中，切换至专门针对二次元或插画优化的 Checkpoint（如 Anything V5 或 DreamShaper）。
2. 配置参数：
   • Sampling Method（采样器）：选择 Euler a 或 DPM++ 2M Karras，它们能提供更平滑的线条。
   • Steps（步数）：设置为 20-30 步，足以保证细节而不浪费计算资源。
3. 编写提示词：
   • Positive Prompt：minimalist vector art, flat design, soft pastel colors, geometric shapes, white background, high quality, 2d illustration（极简矢量艺术，扁平设计，柔和粉彩，几何图形，白底，高质量，2D插画）。
   • Negative Prompt：3d, realistic, photo, complex details, shading, noise（3D，写实，照片，复杂细节，阴影，噪点）。
4. 批量生成：点击 Generate。若不满意构图，可调整 Seed（种子值） 进行微调，或修改提示词中的颜色描述（如将 pastel pink 改为 mint green）。

最佳实践：使用 Highres. fix（高清修复） 功能，将缩放因子设为 1.5 或 2，并选择 Latent 放大算法，可获得更清晰锐利的线条效果。

场景三：角色一致性设计——打造专属 IP 形象

设计师需要生成同一个卡通角色的不同姿势，用于系列海报。

1. 定义角色特征：首先通过 Txt2Img（文生图） 确定一个理想的角色基础形象，记录其关键的提示词组合，例如 chibi style, blue hair, red ribbon, cute face, anime style。
2. 固定种子：复制当前生成的最佳图片的 Seed 值。
3. 变换姿势：
   • 在提示词中保留核心角色描述，但增加姿势指令，如 standing pose, waving hand（站立姿势，挥手）或 sitting on chair, reading book（坐在椅子上看书）。
   • 粘贴之前记录的 Seed 值 到 Seed 输入框，并勾选 Fixed Seed（固定种子）。
4. 使用参考图：若需要严格一致，可使用 IP-Adapter 插件，上传一张已确定的角色正面照作为参考，设置权重为 0.8 左右。
5. 生成与对比：点击 Generate，系统将基于相同的随机种子和角色特征，生成不同姿势但形象高度一致的图片。

注意事项：固定种子并非万能，若提示词差异过大，角色特征仍可能漂移。建议每次只微调姿势或表情相关的关键词，并保持主体描述不变。

通过以上三个案例，你可以发现 Stable Diffusion 的核心逻辑在于：精准的提示词 + 合理的参数控制 + 有效的后期处理。多练习、多记录成功的 Seed 值和提示词组合，是成为 AI 绘图高手的必经之路。

第五章：效率提升（快捷键、模板库、批量处理）

第五章：效率提升——快捷键、模板库与批量处理

在掌握了 Stable Diffusion 的基础生成原理后，许多用户会发现手动调整参数和逐个生成图片的过程既耗时又枯燥。为了帮助你从“尝试者”进阶为“高效创作者”，本章将详细介绍如何利用快捷键、模板库以及批量处理功能，大幅提升你的工作流效率。

5.1 掌握核心快捷键

熟练运用键盘快捷键是减少鼠标点击、保持创作心流的关键。以下是 WebUI 中最常用且必须掌握的快捷方式：

• Ctrl + Enter / Command + Enter：生成图片。这是最核心的操作，无需寻找屏幕上的按钮，随时准备开始创作。
• Ctrl + C / Command + C：复制设置。当你找到一个完美的提示词或参数组合时，按下此键将其复制到剪贴板。
• Ctrl + V / Command + V：粘贴设置。在新界面中按下此键，即可一键恢复之前的参数，方便进行微调对比。
• Ctrl + Shift + Z / Command + Shift + Z：撤销上一步。如果生成的图片不满意，快速回退到上一次状态，避免重复劳动。
• Ctrl + S / Command + S：保存当前配置。将当前的 Prompt、Negative Prompt 及所有参数保存为本地文件，便于日后调用。

最佳实践建议：建议在桌面上创建一个文本备忘录，记录下你常用的快捷键组合，直到形成肌肉记忆。不要频繁使用鼠标去点击“Generate”按钮，这会打断你的灵感连贯性。

5.2 构建你的专属模板库

每次从零开始输入提示词不仅效率低下，还容易导致风格不统一。利用“预设（Presets）”和“工作流保存”功能，你可以建立个人化的模板库。

操作步骤：

1. 创建风格模板：

   • 在“Stable Diffusion checkpoint”下拉菜单中选择你偏好的模型（如 v1-5-pruned-emaonly）。
   • 输入一段基础提示词，例如 masterpiece, best quality, 1girl, solo。
   • 点击右侧菜单栏中的 "Save Preset" 按钮。
   • 在弹窗中输入名称，如 基础人像_高质量_v1，点击确认。
   • 结果：下次只需在下拉菜单中选择该预设，所有参数将自动填充，无需重新输入。

2. 保存复杂工作流：

   • 对于涉及 ControlNet、LoRA 等高级功能的复杂任务，不要依赖简单的预设。
   • 配置好所有节点和参数后，点击主界面右上角的 "Save Workflow"。
   • 选择保存位置并命名，例如 赛博朋克城市_CNet控制。
   • 结果：下次打开 WebUI 时，通过 "Load Workflow" 即可瞬间还原整个复杂的生成环境。

注意事项：定期整理你的预设文件夹，删除过时或效果不佳的模板。建议按风格（如“写实”、“二次元”、“3D渲染”）进行分类管理，以便快速检索。

5.3 批量处理：让机器为你工作

当需要生成同一主题的不同变体，或处理大量素材时，手动一张张生成是不现实的。Stable Diffusion 提供了强大的批量处理功能。

操作步骤：

1. 准备提示词文件：

   • 在文本编辑器中新建一个 .txt 文件。
   • 每行输入一条完整的提示词（包括正反向提示词），例如： text cat, sitting on a mat, masterpiece, best quality dog, running in park, masterpiece, best quality bird, flying in sky, masterpiece, best quality
   • 保存文件，命名为 batch_prompts.txt。

2. 配置批量生成：

   • 切换到 WebUI 顶部的 "Batch Prompt File" 选项卡。
   • 点击 "Choose file"，上传刚才创建的 batch_prompts.txt 文件。
   • 在 "Output directory" 中指定图片保存的路径。
   • 设置 "Number of runs" 为 1（表示每条提示词生成一张图）或更高数值以测试不同种子。

3. 执行与查看：

   • 点击 "Generate" 按钮。
   • 结果：系统将自动读取每一行提示词，依次生成图片，并将所有结果按顺序保存到指定文件夹中。

最佳实践与技巧： * 使用随机种子：在批量处理中，勾选 "Use random seed"，确保每张生成的图片都有独特的细节变化，而不是完全相同的复制品。 * 监控显存：批量处理会占用较多显存。如果显存不足，请在设置中将 "Batch count" 调小，或启用 "--medvram" 启动参数。 * 后期筛选：批量生成后，建议使用专门的图片管理软件（如 Honeyview 或 Adobe Bridge）进行快速浏览和筛选，而非直接在 WebUI 中查看，这样速度更快且不易卡顿。

通过以上三个维度的优化，你将能够显著缩短从创意构思到成品输出的时间，让 Stable Diffusion 真正成为你得力的创作助手。

第六章：常见问题与解决方案（FAQ，10个高频问题）

第六章：常见问题与解决方案（FAQ）

在使用 Stable Diffusion 进行创作的过程中，新手用户往往会遇到各种技术或审美上的困惑。本章精选了 10 个最高频的问题，并提供详细的解决步骤与最佳实践，帮助您快速排除故障，提升出图质量。

1. 生成的图片为什么模糊不清？

原因分析：通常是因为分辨率设置过低，或者采样步数不足导致细节丢失。 解决方案： - 在设置面板中，将分辨率调整为标准尺寸，如 512x512 或 768x768。 - 增加采样步数（Sampling Steps），建议设置为 20-30 步。 - 勾选“高清修复”（Hires. fix）选项，并在放大算法中选择“R-ESRGAN 4x+”以获得更清晰的细节。 最佳实践：对于人像摄影，优先使用高清修复功能，避免直接生成超高分辨率大图导致显存溢出。

2. 手指数量错误或结构畸形怎么办？

原因分析：这是扩散模型的经典难题，尤其是手部关节复杂，模型难以精准理解解剖结构。 解决方案： - 使用“局部重绘”（Inpainting）功能。用画笔涂抹出错的手指区域。 - 输入提示词如 “perfect hands, 5 fingers”（完美双手，五指）。 - 提高局部重绘的“重绘幅度”（Denoising strength）至 0.4-0.6 之间，重新生成该区域。 注意事项：不要过度依赖单次生成，多尝试几次不同的种子值（Seed）往往能意外获得完美结果。

3. 提示词写了但没效果，图片还是老样子？

原因分析：可能是权重设置不当，或者提示词被负面提示词（Negative Prompt）抵消。 解决方案： - 检查负面提示词栏，确保没有误写与主体相关的词汇（如未写“blurry”，却写了“sharp”）。 - 使用括号增加权重，例如 (masterpiece:1.2) 表示提升该标签的重要性。 - 使用在线提示词增强工具（如 Prompt Generator）优化关键词组合。 最佳实践：保持正面提示词简洁有力，负面提示词则应涵盖所有你不想要的元素（如低质量、变形等）。

4. 生成速度太慢，如何加速？

原因分析：硬件限制或模型过大导致推理时间过长。 解决方案： - 在启动参数中添加 --lowvram 或 --medvram 以优化显存使用。 - 切换到更快的采样器，如 Euler a 或 DPM++ 2M Karras，它们通常在较少步数下也能获得良好效果。 - 如果显卡支持，启用 Xformers 加速库。 注意事项：降低图像分辨率是提升速度最直接的方法，但需平衡画质需求。

5. 图片色调灰暗，色彩不鲜艳？

原因分析：默认模型可能偏向写实风格，或采样器参数导致对比度不足。 解决方案： - 在提示词中加入 “vivid colors”（鲜艳色彩）、“high contrast”（高对比度）。 - 调整 CFG Scale（引导系数），适当降低至 7-9，过高会导致色彩过饱和且画面僵硬。 - 后期处理：使用内置的 Img2Img 功能，轻微调整对比度和饱和度参数。 最佳实践：对于动漫风格，可适当提高 CFG Scale 至 10-12 以增强风格化特征。

6. 如何固定生成的图片风格，保持一致性？

原因分析：每次随机种子不同，导致角色或场景变化巨大。 解决方案： - 复制当前图片的 Seed 值，将其锁定并填入下次生成的 Seed 输入框。 - 使用 LoRA 模型训练特定角色或风格，加载固定的 LoRA 权重。 注意事项：仅固定 Seed 不足以保证完全一致，还需保持提示词顺序和参数基本不变。

7. 显存不足报错（Out of Memory）怎么办？

原因分析：当前模型或分辨率超出了 GPU 显存承载能力。 解决方案： - 切换至轻量级模型（如 SD 1.5 而非 SDXL）。 - 降低分辨率，例如从 1024 降至 512。 - 在启动命令中加入 --xformers 或 --opt-split-attention。 最佳实践：定期关闭其他占用显存的软件（如浏览器、游戏），确保 Stable Diffusion 独享资源。

8. 生成的文字乱码，无法显示清晰字符？

原因分析：基础扩散模型对文字渲染能力极弱。 解决方案： - 避免在提示词中直接要求生成具体文字。 - 先生成不含文字的干净背景图，然后使用 Photoshop 或其他设计软件后期添加文字。 - 若必须生成，尝试使用专门针对文字优化的模型（如 ControlNet 辅助）。 注意事项：目前大多数通用模型仍无法完美处理长句文字，后期合成是行业主流做法。

9. 如何去除图片中的水印或多余物体？

原因分析：需要修改局部构图。 解决方案： - 进入“图生图”（Img2Img）模式。 - 使用蒙版工具涂抹需要去除的区域。 - 在提示词中描述你希望该区域出现的内容，或留空以让模型自动填充。 - 调整重绘幅度，小幅度修改可保留原图结构，大幅度修改可彻底重构。 最佳实践：利用 ControlNet 的 Inpaint 预处理器可以更精准地控制局部修改的范围。

10. 如何选择最适合我的模型（Checkpoint）？

原因分析：模型众多，风格各异，新手容易选择困难。 解决方案： - 明确需求：写实照片选 Realistic Vision 系列；二次元动漫选 Anything V5 或 Counterfeit；艺术插画选 DreamShaper。 - 访问 Civitai 等模型社区，查看模型的预览图和评论。 - 从小参数量（SD 1.5）开始尝试，熟悉后再进阶到 SDXL 或 3D 模型。 注意事项：不同模型对应不同的提示词语法，下载时请仔细阅读作者提供的使用说明（README）。