Stable Diffusion这套东西很多新手朋友第一次装就被劝退了。不是代码难是坑太密——Python版本不对报一堆红字Git没配好卡在半路依赖库装完一个又蹦出一个折腾两三个小时连个提示词都没敲上。我自己头一回手动装就踩了近三个小时的雷后来发现用整合包根本不用遭这个罪。这篇不说废话直接告诉你为什么新手别手动装、怎么十分钟跑起来以及后续那些高频报错到底怎么处理。1. 安装前的心态与选型1.1 为什么新手别手动装先说结论手动安装的本质是把一整套开发环境手动拼出来这个过程对没接触过命令行的人极不友好。SD本体其实是一个Python项目它依赖PyTorch、transformers、diffusers、xformers等几十个第三方库每个库还有版本要求。你本地如果已经装了Python 3.12SD最常依赖的某些组件可能还没适配直接装就会报兼容错误。手动装还要处理CUDA和cuDNN。NVIDIA显卡跑SD靠的是GPU加速而GPU加速依赖CUDA版本和PyTorch版本严格配对。你显卡驱动的CUDA版本和PyTorch要求的CUDA版本对不上PyTorch就会退到CPU模式出图慢得让人怀疑人生。还有Git。克隆SD官方仓库需要Git命令而国内访问GitHub经常断线或超时很多新手在这个环节卡住然后开始怀疑是不是自己操作有问题。实际上这是网络环境导致的不是你笨。整合包方案把这些问题全部绕开了。它把所有依赖、模型、启动器都打成一个压缩包解压就能用既不需要装Python也不需要配Git更不需要手动处理CUDA。你只需要一个能正常上网的电脑、一块NVIDIA显卡以及一颗别着急的心态。1.2 整合包不是“魔改”是打包有些朋友一听整合包第一反应是“是不是不专业”“是不是运行不稳定”。这个认知要纠正一下。目前主流的中文整合包比如B站UP主秋叶制作的版本本质是把官方项目源码、Python解释器、全部依赖库、常用模型、以及一个图形化启动器打包在一起核心代码还是官方那套AUTOMATIC1111/stable-diffusion-webui没有做过大的改动。启动器本身是个图形化界面你可以像点普通软件一样启动SD还能一键升级、切换版本、管理模型、查看日志、检测环境。它省掉的是命令行操作而不是SD本体。实际使用中整合包和手动装出来的SD在出图效果上没有任何区别因为计算用的还是那套模型和那套推理代码。整合包还有一个好处是统一了版本。手动装经常出现“A库要求B库是1.x结果C库强制把B升到2.x然后SD启动失败”这种连锁崩溃。整合包在发布前已经做过整体测试版本是配好的你不需要关心它们之间的恩怨。1.3 软硬件要求SD对电脑配置有基本门槛并不是所有电脑都能流畅跑。官方推荐NVIDIA显卡原因是有CUDA加速支持效果最好AMD显卡虽然能用DirectML版本但速度和兼容性都差一截苹果M系列芯片可以用MPS加速但也只适合轻度使用。显存方面6GB显存是基础线。这个显存下可以跑SD 1.5系列模型出图分辨率512x512左右比较稳。8GB显存可以舒服地跑SD 1.5也能尝试SDXL模型但SDXL建议开低显存优化。12GB以上就宽松很多批量出图、开高清修复都更从容。如果你只有4GB显存也能跑但要用启发式优化出大图基本没戏。内存建议16GB以上硬盘建议预留至少30GB空间因为SD本体加模型动辄十几GB后续还要下载各种模型的。注意如果电脑里没有NVIDIA显卡只有核显或AMD集成显卡我不建议你折腾SD市面上那些号称纯CPU能带的版本出图速度慢到你会怀疑电脑是不是坏了。2. 十分钟跑通整合包实操详解2.1 下载和解压第一步是下载整合包。你去B站搜索“SD整合包”或者“秋叶Stable Diffusion整合包”找播放量高、评论多的那个视频然后去视频简介里找网盘链接。我这里不贴外部链接因为这类链接更新很快而且你从陌生网站下载的压缩包可能被人动过手脚。认准作者名字和视频评论区确认过安全的链接。下载到的压缩包通常是.7z格式需要用7-Zip或Bandizip这类解压软件处理。这里有个关键细节解压路径不能有中文也不能太深。比如你解压到“C:\Users\张三\Desktop\SD整合包”中间有中文“张三”启动SD时就可能报错找不到模块。建议直接解压到硬盘根目录比如“D:\SD”干净又保险。解压过程会消耗一些时间文件很多几万个文件很正常。如果解压过程中弹出文件占用或解压失败的提示多半是压缩包下载不完整或者文件损坏了重新下载一遍就行。2.2 启动器设置解压完后找到文件夹里的启动器文件名字通常叫“A启dong器.exe”或“SD-WebUI启dong器.exe”。双击打开后你会看到图形化界面左边是启动按钮右边有环境检测、版本管理、模型管理、高级选项等。第一次启动前先点“环境检测”它会自动检查显卡驱动、Python版本、依赖库情况。如果检测出缺什么直接点一键修复等它自动补装就行。这一步尤其重要很多朋友解压完直接点启动按钮结果报错后一脸懵其实先做一次环境检测就能避免大部分问题。在高级选项里有个“显存优化”设置。如果你的显卡是6GB或8GB显存建议选“默认设置”SD会自动优化。如果在出图时遇到OOM显存不足报错回来把它改成“显存精简模式”或“使用xformers优化”效果很明显。提示启动器版本会更新它提示“有新版本”时你可以选择在线升级升级只替换核心组件不会影响你下载的模型文件放心点。2.3 首次启动与出图环境检测通过后点启动按钮。第一次启动较慢因为要初始化模型目录和缓存等个一两分钟是正常的。终端窗口会滚动一堆日志看到“Running on local URL”这行字就说明启动成功了。这时浏览器会自动弹出SD的网页界面也就是俗称的webui页面。在界面左侧上方找到“Stable Diffusion checkpoint”下拉框选一个你下载好的模型。整合包通常会自带一两个基础模型比如dreamshaper或chilloutmix。选好模型后在下方“提示词”输入框里敲一段正向提示词比如masterpiece, best quality, a girl reading a book under a cherry tree, soft lighting, detailed face再填一下负向提示词lowres, bad anatomy, bad hands, missing fingers, extra digit采样器选“DPM 2M Karras”采样步数设25分辨率保持512x512然后点“生成”。不出意外的话十几秒后你就能看到第一张图了。第一张图的生成速度取决于显卡3060大概6到10秒4060快一点如果你发现一分钟还没出来一张图说明GPU加速没生效这时候去启动器里检查一下驱动。3. 如果非想手动装完整流程和翻车点记录3.1 什么时候才需要手动装整合包已经能满足绝大多数人的需求但也有例外。比如你想深入了解SD的技术细节或者要跑官方新出但整合包还没更新的功能这时候手动装就有意义了。再比如你想在云服务器或实验室服务器上部署SD那基本只能手动装。但如果你是出于“手动装更专业”的想法我建议你打消这个念头。工具的价值在于结果不在于安装方式。出图效果取决于模型和提示词不取决于你是怎么把它装上的。3.2 环境准备手动装的第一步是装Python版本选3.10.6。这个版本和SD的兼容性最好太新太旧都容易出问题。装的时候一定要勾选“Add Python to PATH”这是无数新手栽跟头的第一坑。勾上之后命令行里敲python才能识别。接着装Git官方download页面往下拉到Windows版本默认设置一路Next就行。装完后打开命令行敲git --version能输出版本号就是安装成功。Git的PATH配置一般在安装时自动完成不需要额外操作。然后需要安装CUDA Toolkit吗严格来说不需要。因为PyTorch的pip包已经自带了CUDA运行库你只需要确保显卡驱动够新。打开NVIDIA控制面板看驱动版本2023年以后的驱动基本都支持CUDA 11.8及以上。3.3 克隆仓库和安装依赖环境准备好后打开命令行WinR输入cmd回车进入一个干净的目录比如D盘cd /d D:\ git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git这步会克隆SD的源码仓库。如果速度极慢或直接失败可以把github.com换成镜像域名具体地址搜索“GitHub镜像”就能找到。克隆完成后进入目录cd stable-diffusion-webui然后安装依赖。官方推荐用webui-user.bat启动脚本它会自动创建Python虚拟环境并安装依赖。你也可以手动创建python -m venv venv venv\Scripts\activate pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 pip install -r requirements.txt第一次安装依赖是漫长且痛苦的PyTorch本身2GB左右其他依赖加一起也有好几GB。下载速度取决于网络环境快的话十几分钟慢的话一两小时。3.4 手动安装的翻车点实录第一个翻车点是GPU不可用。装完启动终端栏里显示“Device: cuda”才算正常显示“Device: cpu”说明PyTorch的CUDA版本装错了。检查一下是不是装了CPU版的torch这个错误太常见了。第二个翻车点是xformers装不上。xformers是加速库缺了也能跑但慢。但它的安装经常报版本不匹配。解决办法有两个要么把requirements.txt里关于xformers的那行注释掉用extra-index-url单独装要么干脆不装xformers用“--xformers”参数启动时SD会自动找兼容版本。第三个翻车点是无法连接GitHub。下载模型或插件时经常报“connection to github.com timed out”。你可以在命令行设置Git代理但更省事的办法是找国内镜像的模型站直接下载模型文件然后手动放到对应目录。手动装还有一个隐藏坑依赖库污染。如果你机器上已经装了别的Python项目它们可能共用同一个虚拟环境或全局环境导致版本互相覆盖。所以强烈建议创建独立虚拟环境别图省事直接在全局装。4. 常见问题与排查技巧实录4.1 显卡和显存相关“CUDA out of memory”是最高频的报错之一。翻译过来就是显存不够。最简单的解决办法是降低分辨率从768x768降到640x640或512x512。再一个是减少批数量默认1就行。还有一个很实用的设置——在webui界面的“设置”里搜索“cross attention optimization”选“xformers”或“Doggettx”能省不少显存。“Torch not compiled with CUDA enabled”是指PyTorch没有CUDA支持。整合包用户出现这个多半是启动时选错了运行环境回启动器把GPU选项改成NVIDIA显卡重新启动。手动装用户就回3.2节重新装PyTorch的cu121版本。显卡驱动报错“NVIDIA Driver is too old”说明驱动版本低到连SD要求的CUDA最低版本都够不着。去英伟达官网下载最新的Studio驱动装一遍就好。4.2 依赖和端口冲突“Port 7860 is already in use”是端口被占用了。你之前关掉SD时没关干净或者别的软件占了7860端口。Windows下打开命令行netstat -ano | findstr 7860看到最后一列的PID就是占用进程的进程号然后在任务管理器里找到这个PID结束任务或者直接把启动命令改成加参数“--port 7861”换一个端口。“No module named xxx”缺少依赖。整合包用户先点环境检测让它自动补装。如果还不行就打开启动器的“高级选项”在参数里加一行“--reinstall-torch --reinstall-xformers”让它强制重装核心依赖。4.3 模型下载和加载问题下载完的模型放哪里是个经典问题。大模型后缀是.safetensors或.ckpt放到“models/Stable-diffusion”目录下然后在webui界面左上角的checkpoint下拉框里刷新就能看到。VAE模型放到“models/VAE”目录LoRA放到“models/Lora”。放错目录的话webui刷新一万遍也找不到。模型文件很大动辄2GB到7GB下载慢可以用网盘提速工具或者找国内做得比较好的模型托管站比如LiblibAI哩布哩布。下载完成后有个细节检查文件后缀很多浏览器下载时会把链接后缀去掉比如下载了一个叫“v1-5-pruned-emaonly”的文件实际后缀是“.safetensors”但不显示。如果模型加载后报错“corrupt image”多半是文件不完整或后缀错误重新下载或手动加上后缀。启动后页面显示正常但生成图片时进度条卡在0%不动大概率是模型文件损坏或者模型与当前webui版本不兼容。把模型换个格式或换成官方原始模型试试排查方向就是排除法。4.4 问题速查表症状可能原因快速解法启动后ControlNet报错插件模型缺失下载control_v11模型放到extensions/sd-webui-controlnet/models出图全是黑屏VAE设置问题设置里把VAE换成“无”或“自动”提示词输入框卡顿浏览器插件冲突换成Chrome或Edge无痕模式第一次启动特别慢正在下载或安装模型等待5分钟以上观察终端日志最末尾生成过慢一分钟一张CUDA环境失效启动器环境检测重装GPU版PyTorch模型加载一半闪退内存不足关掉其他软件降低启动参数里的内存使用4.5 一个独家小技巧因为报错信息里的“major”和“minor”字眼很容易让新手懵。实际上这类报错大多数是版本升级时旧文件残留导致的。我的习惯是每年做一次大版本更新时把整个SD目录备份一份然后全新解压一个新整合包把原来“models”文件夹拷贝回去。模型文件不受版本影响整个迁移过程也就几分钟。这比在旧版本上反复修依赖问题要省心得多。还有个小细节玩SD一定要学会看日志。很多人报错时只说“红了红了”但不看终端窗口里那几行字。任何界面上的报错真正详细的原因都在终端窗口最底部那一两行。截图报错时截终端内容比截webui页面的红色大字有用十倍。踩过几次坑之后我最大的心得是SD是个成熟工具没必要把时间耗在“安装”这种一次性的事情上。整合包的价值就是让你跳过环境配置的泥潭直接进入真正值得花时间的部分——学提示词、调参数、训练和筛选模型。等到你玩了几个月对SD的原理有感觉了再回头手动装一遍也不迟。至少到那时候你看着终端的报错就不会再慌了因为你已经知道它在说什么了。