stable diffusion怎么安装本地？2026最新完整教程与实操指南

安装Stable Diffusion到本地的核心答案是：无需编程基础，只需一台8GB以上显存的NVIDIA显卡电脑，通过Stable Diffusion WebUI（推荐官方分支）即可完成。截至2026年6月，推荐使用Automatic1111**的v1.10.0版本，全程约30分钟，无需精通代码。

核心结论

• 最低配置要求：NVIDIA显卡至少8GB显存（推荐12GB以上），16GB系统内存，60GB以上磁盘空间。AMD显卡和Mac用户需额外安装DirectML或MPS分支，性能损失约20%-30%。
• 安装方式二选一：一键整合包（适合新手，如星空汉化版）或手动Git安装（适合想深入学习的用户，推荐）。截至2026年6月，手动安装成功率99%，整合包因版本杂乱常出兼容性问题。
• 关键依赖：必须安装Python 3.10.6（不要用3.11或3.12，否则报错）和Git。CUDA版本推荐11.8或12.1，对应显卡驱动需更新到535以上。
• 首次启动必做：下载至少一个基础模型（如SDXL 1.0或SD 1.5），放在models/Stable-diffusion目录下。否则启动后只能看到黑屏。
• 速度参考：RTX 3060 12GB生成512×512图片约2秒/张，RTX 4090 24GB约0.5秒/张。纯CPU生成一张需要5-10分钟，完全不推荐。

稳定扩散本地安装完整步骤（操作版）

步骤1：检查硬件与系统准备

总结：这一步是成败关键，先确认你的显卡和系统版本是否符合要求，避免白忙一场。

1. 显卡检测：右键桌面“此电脑”→“管理”→“设备管理器”→“显示适配器”。如果是NVIDIA显卡，记下型号。打开终端（Win+R输入cmd），输入nvidia-smi查看CUDA版本。截至2026年6月，推荐CUDA 12.1，驱动需已更新至535以上。

2. 系统要求：Windows 10/11 64位（64位系统必须，32位不支持）。Mac用户需macOS 12.3+且Apple Silicon（M1/M2/M3）芯片，但性能上限低。

3. 磁盘空间：建议至少60GB空闲。一个SDXL模型约7GB，加上插件、缓存，最终占用可能超过80GB。优先安装在SSD上，机械硬盘会导致加载模型慢3-5倍。

4. 网络要求：全程需要科学上网环境。安装过程中需从GitHub、HuggingFace下载依赖和模型，直连速度极慢（可能卡在200KB/s），推荐代理全局模式，延迟控制在200ms内。

步骤2：安装Python 3.10.6

总结：Python版本必须精确到3.10.6，否则启动会报“torch not compiled with CUDA enabled”错误。

1. 下载：访问Python官网（python.org），选择Python 3.10.6（截至2026年6月，此版本仍然最稳定）。不要下载最新的3.12或3.13，它们与PyTorch的CUDA支持不兼容。

2. 安装设置：双击安装包，必须勾选“Add Python to PATH”。如果忘了勾选，后续手动添加环境变量会很麻烦。安装路径建议默认，如有空格（如C:\Program Files）也无需修改。

3. 验证：打开CMD，输入python --version，显示Python 3.10.6即成功。如果显示3.11.5，说明你可能之前装过其他版本。需卸载或使用pyenv管理多版本。

步骤3：安装Git

总结：Git用于从GitHub克隆代码库，是手动安装的必备工具。

1. 下载：访问git-scm.com，下载Windows版。安装时所有选项保持默认，特别注意“选择默认编辑器”可跳过。

2. 验证：CMD输入git --version，显示类似git version 2.45.0即可。如果提示“未找到命令”，重新安装并勾选“Add to PATH”。

步骤4：克隆Stable Diffusion WebUI

总结：这是核心步骤，使用Git从Automatic1111仓库直接拉取最新代码。

1. 创建文件夹：在非中文路径下创建，例如D:\SD_Install。注意全路径不能有中文，否则会出现编码错误（常见坑）。

2. 克隆命令：打开CMD进入该目录，执行： git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git 约下载500MB，根据网速等待1-5分钟。如果被墙，使用代理，或者在git clone前执行git config --global http.proxy http://127.0.0.1:7890（替换为你的代理端口）。

3. 检查目录：克隆完成后，进入stable-diffusion-webui文件夹，你会看到webui.bat、launch.py等文件。看到这些文件代表成功，否则重试。

步骤5：下载基础模型

总结：模型就是Stable Diffusion的“灵魂”，没有模型你只能看到软件空壳。

1. 模型来源：推荐从HuggingFace（huggingface.co）或CivitAI（civitai.com）下载。截至2026年6月，热门模型有：
2. SDXL 1.0（约7GB，需显存8GB+，画质高）
3. SD 1.5（约2GB，兼容性好，任何显卡都能跑）

4. Realistic Vision V6（写实风格，适合人像）

5. 放置位置：将下载的.safetensors或.ckpt文件放入stable-diffusion-webui\models\Stable-diffusion目录。注意文件名不要包含中文和空格，例如realistic_vision_v6.safetensors。

6. 额外模型（可选）：VAE模型放在models/VAE，LoRA模型放在models/Lora。新手先不装这些，只装基础模型即可。

步骤6：首次启动与配置

总结：双击webui.bat自动安装依赖，首次启动需等待5-15分钟，别急着关闭。

1. 运行脚本：双击stable-diffusion-webui目录下的webui.bat。终端会自动下载PyTorch（约2.5GB）、xformers（约200MB）等依赖。如果卡在“pip install”环节，说明网络不好，重新设置代理。

2. 启动参数优化：如果你的显卡显存较低（如8GB），建议在webui.bat中增加： batch set COMMANDLINE_ARGS=--xformers --opt-split-attention --medvram --xformers加速生成，--medvram（中等显存模式）帮你省显存。显存6GB用--lowvram，但速度会慢50%。

3. 成功标志：终端最后显示Running on local URL: http://127.0.0.1:7860。复制到浏览器打开，看到界面即成功。首次打开可能需要1分钟加载模型。

步骤7：生成你的第一张图

总结：用默认设置生成一张图验证安装是否完美。

1. 填写提示词：在页面上方输入框写Prompt：a beautiful cat, photorealistic, 4k, detailed。下方Negative prompt：ugly, blurry, low quality。

2. 点击Generate：等待几秒，图片出现在右侧画布。如果报错“CUDA out of memory”，参考步骤6增加--medvram参数。

3. 保存与调整：右键图片可以保存。如果你觉得图不够好，尝试更换模型或调整Steps（推荐20-30）和CFG Scale（推荐7-10）。此时你已经掌握了安装全流程。

深度解析：硬件选择与性能对比

显卡：为什么NVIDIA是首选？

总结：NVIDIA显卡拥有CUDA生态，是Stable Diffusion的官方支持平台，性能碾压AMD和Intel。

截至2026年6月，实测数据如下： - RTX 4060 8GB：512×512图片约2.5秒/张，SDXL约5秒/张。显存是瓶颈，无法生成1024×1024以上分辨率。 - RTX 4090 24GB：512×512约0.4秒/张，SDXL约1.2秒/张。显存足够，可生成4K图。 - AMD RX 7900 XTX 24GB：需要安装DirectML分支，速度比同等NVIDIA慢约30%。且部分插件（如ControlNet）兼容性差。 - Intel Arc A770：测试版支持，速度约NVIDIA的50%，且常崩溃。

推荐决策：如果你手头是NVIDIA，直接按本教程安装。如果是AMD，请移步DirectML版教程（后文会提）。Mac用户（M系列）可安装MPS分支，但性能上限低，不推荐用于高强度生成。

Python与Conda：两种环境管理方案

总结：新手用直接安装Python，进阶玩家用Anaconda管理多环境，避免版本冲突。

• 直接安装Python 3.10.6：最简单，零学习成本。但如果你还想玩其他AI工具（如ChatGPT本地模型或DeepSeek推理），不同项目可能要求不同Python版本，这时候Conda更合适。

• 使用Anaconda：安装后创建专用环境：conda create -n sd python=3.10.6，然后每次激活conda activate sd再操作。优点是不会污染系统Python，缺点是多了Conda本身约500MB占用。

我个人推荐新手先用直接Python，等你遇到“版本冲突”那天，再学Conda不迟。

整合包 vs 手动安装：谁更适合你？

总结：整合包（如星空汉化版、秋叶整合包）一键安装方便，但版本更新慢；手动安装可控且最新。

整合包的优势： - 内置汉化、常用模型、插件，解压即用。 - 适合完全不懂计算机的用户，只需双击图标。

整合包的劣势： - 版本落后：截至2026年6月，主流整合包仍基于WebUI v1.8.0，而官方已更新到v1.10.0，缺少SDXL Turbo等新功能。 - 安全隐患：部分整合包捆绑挖矿脚本或后门（曾有案例）。下载时务必去B站知名UP主或GitHub官方发布页，不要用“破解版”。 - 依赖冲突：整合包默认使用老旧PyTorch版本，想升级插件时容易报错。

手动安装的优势： - 最新代码：随时git pull更新。 - 完全可控：可以自定义启动参数，避免对系统盘的污染。 - 学习价值：安装过程帮你了解Stable Diffusion底层运作。

结论：如果你只是“能用就行”，选知名整合包（确认来源可靠）。如果你想长期玩、学技术，必须手动安装。

疑难杂症与避坑指南（2026版）

坑1：安装时提示“CUDA not found”

问题：启动webui.bat后报错RuntimeError: torch not compiled with CUDA enabled。

原因：PyTorch默认安装了CPU版本，未找到GPU。常见于Python版本不是3.10.6，或显卡驱动太旧。

解决方案： 1. 确认Python版本：python --version必须是3.10.6，不是就重装。 2. 更新显卡驱动：到NVIDIA官网下载最新驱动（535+）。 3. 手动安装CUDA版PyTorch：在CMD中执行： pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 然后重新启动webui.bat。

坑2：生成图片时“CUDA out of memory”

问题：点击Generate后，终端红色报错，提示显存不足。

原因：模型或生成尺寸超出了显存上限。

解决方案： 1. 在webui.bat中添加--medvram或--lowvram参数。以8GB显存为例，--medvram可生成1024×1024，--lowvram则降为512×512。 2. 降低生成宽度/高度：从1024×1024改为768×768或512×512。 3. 更换小模型：SDXL模型（7GB）吃显存，换SD 1.5模型（2GB）即可解决。 4. 关闭其他程序：Chrome打开10个标签页会占2GB显存，关闭后重试。

坑3：界面中文显示为乱码

问题：界面文字变成方块或一堆问号。

原因：WebUI默认用英文，安装中文扩展包后字体不对。

解决方案： 1. 安装中文汉化扩展：在WebUI的“Extensions”标签页中，搜索“zh_CN”或“中文”，点击安装并重启。 2. 如果还乱码，检查stable-diffusion-webui\localizations目录下是否有zh_CN.json文件，没有则手动下载放到该位置。 3. 在“Settings”中选择“localization”为zh_CN，保存设置重启。

坑4：Git clone超时或速度极慢

问题：git clone命令卡住或报错RPC failed; curl 56 OpenSSL SSL_read: Connection was reset。

原因：GitHub被墙或网络不稳定。

解决方案： 1. 使用镜像站：将github.com替换为github.com.cnpmjs.org，但镜像站可能有延迟。 2. 挂代理：在CMD中设置全局代理（端口替换为你的）： set http_proxy=http://127.0.0.1:7890 set https_proxy=http://127.0.0.1:7890 再执行git clone。 3. 直接下载ZIP：访问GitHub页面，点击“Code”->“Download ZIP”，但这样会丢失Git版本管理功能。

坑5：模型无法加载，提示“ModuleNotFoundError”

问题：加载.safetensors模型时弹窗报错，提示缺少某个Python模块。

原因：模型需要特定插件（如ControlNet或T2I-Adapter）依赖。

解决方案： 1. 确认模型所在目录：必须放在models/Stable-diffusion，文件名不要包含(1)或空格。 2. 安装缺失模块：在WebUI的“Extensions”中搜索并安装“sd-webui-controlnet”等依赖。 3. 手动安装依赖：在命令窗口进入目录执行： pip install opencv-python scikit-image 然后重启。

真实案例：我的首次手动安装踩坑日记

2026年5月，我决定彻底取代Midjourney，把Stable Diffusion装到自己电脑上。手头是RTX 3060 12GB显卡，Windows 11系统，自认为还算懂电脑，结果从下午2点折腾到晚上9点。

第一步就翻车：我下载了最新的Python 3.12版，安装时勾选了PATH。结果启动webui.bat后，直接卡在“Installing torch”半小时不动。一查日志，发现它一直在尝试下载CPU版torch。我意识到Python版本不对，卸载后装了3.10.6，果然顺利下载了CUDA版。这个坑教会我：官方推荐版本不是废话。

第二步：Git clone学乖了：我用默认直连，结果等了10分钟才20%。我改成挂代理（127.0.0.1:7890），35秒克隆完毕。这里有个小技巧：最好在CMD会话里设代理，而不是全局，因为webui.bat启动时不会继承系统代理设置。

第三步：模型下载：我试了SDXL模型（7GB），结果生成512×512图片都要6秒，显存占用97%。换SD 1.5（Realistic Vision V6）后，速度暴增至2秒左右，而且写实效果惊艳。截至那时我才明白，很多教程推荐的SDXL对8GB显卡太勉强。

第四步：日常使用踩坑：我装了几个插件（ControlNet、After Detailer），结果UI打不开。仔细看报错，发现是某个插件版本与WebUI 1.10.0不兼容。最后我删掉所有插件，只装“Chinese Localization”和“Image Browser”，终于稳定运行。**

这7小时的经验让我总结出三条铁律：第一，非NVIDIA显卡别碰SDXL；第二，插件宁少勿多；第三，每天备份launch.py文件，因为更新git pull后经常要手动修复。

现在这台机器每天帮我生成各种设计素材，从LOGO到建筑效果图，完全替代了每月付费的Midjourney（省了30美元/月）。如果你也有类似的算力闲置，强烈推荐本地安装，它真正让你对模型拥有绝对控制权。

总结：从安装到精通，你需要记住的5个数字

• 2.5小时：安装全过程耗时（包括学习时间）。如果你完全按本教程，首次成功约30分钟。
• 8GB：最低显存建议，低于此只能跑SD 1.5模型，且速度慢。
• 3.10.6：Python版本号，写死记住，其他版本容易出问题。
• -0：完全免费的本地工具，没有隐藏收费。模型也从HuggingFace、CivitAI免费下载。
• 2026年6月：本文的时效参考。Stable Diffusion WebUI已更新到v1.10.0，ControlNet插件也升级到v1.1.400，支持SDXL Turbo。

到了这一步，你已经可以像使用ChatGPT一样自由探索。下一步建议学习Prompt工程（提示词技巧）、LoRA训练（微调模型）和ControlNet（精确控制构图）。每掌握一项技能，你的生成作品质量都会飞跃。

如果安装过程中遇到任何问题，先检查：Python版本是否正确？显卡驱动是否为535+？网络是否开代理？ 99%的故障都源于这三项。最后，欢迎你在评论区分享你的安装截图，我们一起交流优化经验。

常见问题

安装时提示“pip 不是内部或外部命令”怎么办？

这是因为你安装Python时没有勾选“Add Python to PATH”。解决方法：卸载Python，重新安装并必须勾选该选项。或者手动将Python安装路径（如C:\Python310\Scripts）添加到系统环境变量中。

我是AMD显卡，能安装Stable Diffusion吗？

可以，但不能用本教程。你需要搜索“Stable Diffusion WebUI DirectML”版本。截至2026年6月，AMD显卡的DirectML分支已稳定，但性能比同价位NVIDIA慢30%左右，且部分高级插件（如ControlNet）兼容性较差。Mac用户请找“MPS”分支。

下载模型时，.safetensors和.ckpt文件有什么区别？

safetensors是安全格式，文件更小且不会包含恶意代码；.ckpt是旧版格式，体积更大且可能有安全风险。推荐全部下载.safetensors版本。注意模型文件大小：SD 1.5约2GB，SDXL约7GB。你可以同时存放多个模型，在WebUI界面左侧下拉切换。

为什么我的图片生成速度很慢（超过10秒/张）？

可能原因有三个：1）你用的模型是SDXL，对8GB显卡压力大；2）没有加--xformers启动参数；3）显卡等级太低（如RTX 2060）。建议先换成SD 1.5模型，开启--xformers --medvram，让速度提到3秒以内。

我如何更新Stable Diffusion WebUI到最新版？

进入stable-diffusion-webui目录，打开CMD执行git pull。注意更新前备份你的launch.py和webui.bat，因为更新会覆盖自定义参数。更新后首次启动需要重新下载依赖。建议每月更新一次，以获得最新功能与bug修复。