零基础用户可通过五步入门Stable Diffusion：一、安装本地环境（NVIDIA显卡≥4GB显存、Python 3.10.6、克隆webui并运行）；二、加载匹配的Checkpoint模型与VAE文件；三、编写结构化英文提示词，分正负向并合理加权；四、配置采样器、步数（20–30）、分辨率（≤921600像素）及Hires.fix；五、安装ControlNet插件，用线稿或姿态图增强构图控制。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
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。
