这两年AI绘画是真的火但很多人只敢在线上的网站过过瘾排队、限额、效果不可控都是小事最难受的是好用的工具说没就没。我自己的做法一直很明确本地搭建AI出图环境把Stable Diffusion生态完全握在自己手里离线都能跑想怎么生成就怎么生成还能自己训练微调。这套东西一点也不玄乎今天就把我踩过坑之后的完整搭建过程从硬件选型到软件部署到第一张图落地一次说清楚。我个人现在主力用的是ComfyUI这套工作流足够灵活调试起来也很直观非常适合本地部署。这篇教程不会让你只学会点按钮而是把原理和操作串起来讲就算你是第一次接触AI出图也能跟着一步步把环境跑起来。1. 内容整体设计与思路拆解1.1 本地AI出图环境到底是什么很多人一听“本地搭建AI出图环境”就觉得高不可攀其实说白了就是把之前放在服务器上的那套AI绘图模型搬到自己的电脑上跑起来。现在主流的开源方案基本都围绕Stable Diffusion生态展开最常见的两个前端是Stable Diffusion WebUI和ComfyUI再搭配各种各样的模型权重文件组合起来就是一套完整的出图环境。这套环境能干什么文生图、图生图、局部重绘、超分辨率放大、姿势控制、多模型融合几乎线上付费工具能做的一切本地都能做而且没有次数限制、没有内容审核捆绑、不会突然停服。为什么不直接用在线工具我估摸很多人都有类似经历生成一张图要排队几分钟想用某个功能得开会员出图分辨率稍微高点就要额外付费更别提有些工具有意无意给你加各种限制用起来束手束脚。本地搭建一次投入之后硬件不淘汰就一直能用长期看划算很多。1.2 适合谁来搭这套环境这个问题挺关键能帮你判断要不要往下看。如果你属于下面几种情况本地搭建AI出图环境就很值得对生成质量和精细控制有要求需要微调提示词、尝试各种模型组合的创作者有大量出图需求线上工具效率太低、成本太高的设计师或内容生产者隐私敏感型人群不想把自己的图片素材和prompt上传到第三方服务器想学习AI绘画原理、想深入接触模型训练和调试的技术爱好者反过来说如果你只是偶尔生成一两张图玩玩对分辨率、风格、可控性没有特别要求那确实没必要折腾本地环境。硬件门槛和初始学习成本摆在那里没必要为了偶尔用一次去攒一台高配电脑。1.3 核心组件拆解本地AI出图环境从架构上看可以分四层理解了这层逻辑后面出问题排查也更有方向硬件层以NVIDIA显卡为核心显存大小基本决定了能跑多大的模型、出多大的图运行层Python环境、CUDA、PyTorch这层负责把模型的计算指令调度到显卡上框架层ComfyUI或WebUI这类前端负责模型的加载调度、参数传递、工作流组织模型层往框架里塞的checkpoint大模型、LoRA小模型、VAE、ControlNet等决定最终出图的风格和清晰度大多数新手折腾半天跑不起来问题都出在第二层也就是运行环境的依赖没配对。这个我后面实操部分会重点讲。2. 硬件准备先看显卡再看其他2.1 显卡是灵魂显存大小决定上限本地跑Stable Diffusion最核心的硬件就是显卡。目前NVIDIA显卡的优势非常大主要在于CUDA生态完善PyTorch对CUDA的支持最成熟基本上插上就能跑。AMD显卡虽然这几年也在追赶但遇到各种兼容性问题的概率要大很多新手我不建议一上来就挑战。显存大小怎么选我直接给个经验值参考显存容量能跑什么体验评价4GBSD 1.5小图512x512勉强很吃力容易爆显存6GBSD 1.5常规出图开少量优化入门可用别开太高分辨率8GBSD 1.5很流畅SDXL勉强能跑主流甜点性价比最高12GBSDXL无压力可训练LoRA进阶推荐24GB几乎通吃所有消费级玩法一步到位贵是唯一的缺点显存这东西有时候比显卡型号更重要。我见过有人用RTX 3090跑24GB显存出图流畅度比RTX 4070 12GB还稳。选购显卡时先锁死显存大小再看性能。2.2 CPU、内存、硬盘和电源也不能拉胯显卡虽然是大头但其他配置太弱也会拖后腿。CPU负责数据预处理和调度主流的中端CPU就够用不需要追求顶级。内存建议最少16GB如果经常跑SDXL或者同时开多个程序32GB会更从容。硬盘这块容易被忽略。模型文件动辄4GB到7GB你收藏几十个模型就是几百GB而且模型加载速度受硬盘读写速度影响很大。强烈建议准备至少100GB空闲空间并且放在SSD或者NVMe硬盘上。我之前用机械硬盘跑加载一个SDXL模型要等两三分钟换到SSD之后十几秒就进界面了。电源和散热看着不起眼但GPU满载跑图时的瞬时功耗比玩游戏还高。电源瓦数留足余量机箱散热做好不然跑久了容易黑屏重启。我有个朋友用500W电源带3070每次出图跑到一半就崩换了750W再没出过问题。2.3 硬件不达标也有办法预算有限或者手上显卡比较旧的同学先别急着放弃几条路可以走用云GPU服务器按小时租用一次几块钱适合先体验再决定要不要添置硬件跑SD 1.5的轻量模型512x512分辨率也能出不错的效果开启内存换显存的优化参数比如使用--lowvram或者--medvram启动参数使用GGUF量化模型配合专用加载器让低显存也能运行高性能模型我到现在偶尔还会用内存换显存的方式在8GB显卡上调SDXL参数效果虽然不如大显存流畅但至少能跑。3. 软件选型ComfyUI还是WebUI3.1 两大主流前端怎么选Stable Diffusion生态里最主流的两个前端一个叫Stable Diffusion WebUI一个叫ComfyUI。很多人第一个问题就是选哪个我把两者的核心差异列出来对比维度Stable Diffusion WebUIComfyUI上手难度低图形界面直观稍高要理解节点概念工作流管理单次生成参数靠手记节点式可保存复用出图效果主要靠模型和参数主要靠模型和参数调参灵活性低切换配置麻烦高可细粒度控制显存利用相对较费优化得更好二次开发一般强适合技术玩家我的个人看法如果你是纯新手想最快速度出第一张图WebUI更友好装上就是一套完整的界面输入提示词点生成就行。但如果你打算长期玩对出图的稳定性、复现性有要求甚至想研究ControlNet、自训练LoRA那直接上ComfyUI是对的。ComfyUI的节点式工作流很像Blender的着色器编辑器或者UE的蓝图你把不同功能的节点连起来数据在节点间流动最终输出图片。这种设计的好处是同一个工作流保存下来就能反复使用今天调的参数明天还能原封不动复现线上社区里也有海量别人分享的工作流可以下载来直接用。3.2 为什么我最终留在ComfyUI我用WebUI用了大概两三个月后来彻底切换到ComfyUI核心原因是几个痛点被解决了工作流可以拖拽导入社区分享的复杂效果一键复刻节点式结构让每一步处理都清晰可见出错能定位到具体节点同张图用同样的模型ComfyUI的显存占用往往更低方便做批量处理批量出图、批量换模型都比WebUI灵活当然ComfyUI也有缺点。网上那些花里胡哨的工作流节点很多初学者容易被一堆连线和各种陌生节点劝退。我的建议是先从默认的“文生图”工作流入手跑通了再逐步加需求。3.3 还有哪些可选的轻量方案如果你只想简单出图不想学任何前端也可以试试Fooocus。这玩意儿相当于是把Stable Diffusion封装成了一个极简应用界面只有一个输入框和几个选项对新手极其友好。但它的缺点也很明显可定制性太差。还有一种方案是直接用Diffusers库写Python脚本完全绕开Web UI。这适合有一定编程基础的人代码可控性最强但学习成本也最高一般人没必要这么折腾。4. 实操搭建从零到第一张图4.1 准备工作Git和Python环境我以Windows为例讲整个实操过程Linux和macOS的思路一样只是命令有些差异。开始之前先把Git和Python装好。Python版本建议3.10或3.11不要装最新的3.13很多依赖库还没跟上。安装时有一个非常关键的步骤一定要勾选“Add Python to PATH”不然后面命令行会找不到Python。装完后打开命令行验证一下python --version git --version能打印出版本号就说明环境变量没问题。顺便说一句安装Git的时候一路默认选项就好不用改什么。如果希望管理多个Python版本可以用Conda创建一个干净环境后面装依赖不容易和系统其他项目起冲突。我自己就习惯给AI项目单独建一个环境踩过一次依赖冲突的坑之后老实了。4.2 整合包 vs 手动部署国内很多教程都会推荐各种一键整合包下载下来解压就能用确实省事。但我的建议是如果你想把这套环境吃透尽量手动部署一次。原因有几个整合包会把Python、环境依赖全部塞进去黑盒状态出了问题不知道怎么修整合包更新往往滞后想用新功能还得等打包作者更新手动部署出来的环境干净可控升级模型、装插件都方便当然我也理解第一次玩就想马上看到效果的心情。你可以先用整合包跑通流程接着再按手动方式搭一套干干净的环境把原理理明白。这篇教程直接讲手动部署的完整过程照着做一遍你会对这套系统的关联关系有很直观的认识。4.3 下载ComfyUI主程序找一个干净的工作目录用Git把ComfyUI仓库克隆下来git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI克隆完的目录结构大概是这样的main.py是启动入口models/存放所有模型文件checkpoints、loras、vae等都在这下面custom_nodes/放第三方扩展节点input/和output/保存输入输出图片看到models/下面已经预置了目录结构你就能猜到后面要把模型文件放到哪里。4.4 创建虚拟环境并安装PyTorch在ComfyUI目录下创建虚拟环境推荐用Conda或者Python自带的venvpython -m venv venvWindows下激活虚拟环境venv\Scripts\activate激活成功后命令行前面会出现(venv)字样说明你已经在这个独立环境里了。接下来装PyTorch这是整个搭建过程最容易出问题的一步CUDA版本必须和你的显卡驱动匹配。NVIDIA官网或者PyTorch官网都有对应的安装命令。以CUDA 12.1为例pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121安装完成后一定要验证一下PyTorch能不能调用GPUpython -c import torch; print(torch.cuda.is_available())输出True说明GPU调用正常如果输出False说明CUDA版本或驱动有问题先解决这个再继续。4.5 安装依赖并启动PyTorch装好后安装ComfyUI的其余依赖pip install -r requirements.txt这一步会装一堆东西主要依赖包括transformers、safetensors、tokenizers等具体看ComfyUI版本。装的时候如果遇到网络慢建议用国内镜像源pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple依赖装完后先不要急着启动还需要准备一个模型文件。4.6 下载基础模型并放置到正确位置Stable Diffusion的模型权重文件格式最常见的是.safetensors一个基础模型文件的大小通常在2GB到7GB之间。市面上模型很多新手先别贪心选一个跑通流程再说。我建议第一个模型用SD 1.5系列文件相对较小出图速度也快。可以从Hugging Face下载stable-diffusion-v1-5对应的safetensors文件或者选择社区训练好的写实模型、二次元模型比如Realistic Vision、Anything系列都是很好的选择。下载好的模型放这里ComfyUI/models/checkpoints/如果放进来的文件名带中文或者很长的后缀建议改个简短的名字比如realisticVision.safetensors方便后面引用。4.7 首次启动ComfyUI模型就位后在虚拟环境里运行python main.py看到类似下面的输出就成功了Starting server To see the GUI go to: http://127.0.0.1:8188小内存显卡可以加参数优化启动python main.py --lowvram浏览器打开http://127.0.0.1:8188ComfyUI的默认工作流界面就出来了。第一次进去你可能有点懵满屏的节点连线其实这就是文生图的基础工作流。4.8 用默认工作流生成第一张图ComfyUI默认自带的文生图工作流已经把所有节点连好了。你需要做的只有两件事第一在Load Checkpoint节点处选择你刚才放进去的模型第二在CLIP Text Encode (Prompt)节点里填入提示词正面提示词写你想要的内容负面提示词写你不想要的东西。比如正面写a beautiful girl, portrait, best quality, ultra detailed, soft lighting负面提示词填lowres, bad anatomy, bad hands, extra fingers, blurry, jpeg artifacts然后在KSampler节点设置步数默认20分辨率从默认的512x512开始点击Queue Prompt按钮执行。过个十几秒或者几十秒Queue旁边的状态会显示完成双击生成的图片就能看到结果。说实话第一次出图成功的时候那种从零到一跑通全流程的成就感挺值得体验一下的。5. 模型组合与出图质量优化5.1 checkpoint、VAE、LoRA各管什么出了第一张图之后你想追求更好的效果就绕不开模型组合的概念Checkpoint大模型基础模型直接决定画面的整体风格倾向是写实风还是二次元风很大程度上看它VAE负责图像的色彩和细节还原能修复浅色区域发灰发白的问题很多模型会内置VAE不需要额外加载LoRA小型风格模型负责往大模型里注入特定元素比如某个人物特征、某种画风、某个物体的样式体积小叠加方便理解这三者的关系你就能明白出图组合是怎么回事大模型打底风格LoRA微调细节VAE修正色彩。5.2 提示词的结构化写法提示词是控图的核心新手最喜欢复制粘贴一堆神秘关键词但实际效果往往一般。我习惯按层次组织提示词质量修饰词masterpiece, best quality, ultra detailed, 8k主体描述who/what 动作 表情 穿着环境描述场景、光线、构图、镜头风格参考画风、艺术家风格、媒介负面提示词同样重要。很多脏图、崩手脚的问题用一套好的负面提示词就能挡掉大半。5.3 采样器、步数和CFG怎么调Stable Diffusion的参数看似很多核心就几个。采样器影响生成过程的去噪方式常见的有Euler a、DPM 2M Karras、DDIM等。参数推荐范围作用说明采样步数SD1.520-30SDXL30-40越多细节越足但超过阈值收益极低CFG7-12太小图不听话太大画面过曝变形分辨率SD1.5512x512SDXL1024x1024模型训练分辨率随意放大容易出问题种子随机-1或固定数值固定后同参数可复现同图CFG这个参数我多说一句好多人以为越大越好其实不是。CFG值太大画面会过锐化颜色失真人物脸部出现那种很假的塑料感。我一般写实风格用5到8二次元用7到10然后根据效果微调。5.4 用放大模型提升分辨率底模原生分辨率有限SD1.5通常是512x512硬放大到1024或更高会很糊。常规做法是先用低分辨率生成再用专门的放大模型做超分。ComfyUI里有内置的Upscale节点配合Upscale Model能把图片放大2到4倍细节还能补回来不少。6. 常见问题与排查技巧实录6.1 显存不足报错怎么办运行时报CUDA out of memory是最常见的问题。我的排查顺序是降低输出分辨率先跑512x512跑通加启动参数--lowvram或--medvram换更小的模型比如从SDXL换成SD1.5关掉其他占显存的程序浏览器标签页都最好清理一下实测8GB显存跑SD1.5很轻松跑SDXL就要靠--lowvram来撑。6.2 界面能开但出图崩灰或黑图这种问题大概率是VAE缺失或没选对。画面发灰尤其是头发、阴影部分大面积偏灰色说明没加载VAE。很多模型单独提供VAE文件放到models/vae/目录然后在工作流里加一个Load VAE节点接入即可。如果黑图出现的很随机也可以考虑换一个模型文件试试。6.3 提示词明明写了但完全没生效检查是不是没选对模型。有些模型对提示词的理解能力很差特别是某些早期模型写得太隐晦它反应不过来。换一个写实或者二次元主流模型通常理解力会强很多。另外检查一下你的扩展有没有生效某些插件会造成提示词解析异常。6.4 生成速度特别慢显存不够导致的计算单元利用率低是一种情况。另外一种可能是模型文件放在了机械硬盘上。解决方法很直接换SSD同时确认加载模型时没有频繁swap。如果跑图时风扇狂转但速度上不去多半是散热降频了需要加强机箱散热。6.5 常见问题速查表现象常见原因快速解决OOM爆显存分辨率太高/模型太大降分辨率开lowvram画面灰蒙蒙VAE缺失加载VAE或选内置VAE版本黑白噪点图模型没加载成功重新下载模型检查路径手脚崩坏模型能力不足/提示词缺少负面换模型补负面提示词越跑越卡显存缓存堆积/温度过高重启程序清理散热端口被占用8188被其他程序占用改启动参数--port7. 动手过程中的心得体会与后续进阶如果你完整走完一遍手动部署对AI出图环境的整个链路应该有很清晰的感觉了。这套环境的本质就是显卡提供算力PyTorch做计算调度ComfyUI做流程组织模型决定风格上限。任何环节出问题都能顺着这个链路排查。再分享几个我个人摸索出来的经验。第一勤保存工作流。ComfyUI做好的工作流导出为json文件放在单独的目录里按用途命名后面想用直接拖进来。第二模型不用贪多把一个模型的脾气摸透比下载几百个模型吃灰要实际得多。我出图主力长期就三四个模型。第三善用社区资源很多现成的复杂工作流不用自己从零拼下载下来研究它们的连接逻辑是提升最快的方式。后续你还可以往两个方向深入一是ControlNet它能让你的AI出图带姿势控制、边缘控制实用价值极高二是LoRA训练把自己攒的素材训练成风格模型或特定角色模型。这两块都建立在这套本地环境跑通的基础之上搞定了今天的搭建后面就算想玩训练无非就是多装几个依赖的事。