Stable Diffusion 本地部署教程：免费无限出图（SD 3.5 与开源生态）

一、为什么本地部署

Stable Diffusion 是开源 AI 绘画的代表，最大好处是「权重在你手里」：不按张数收费、数据不出本机、可随意微调。对注重成本与隐私的个人与团队，本地部署是长期方案。一次装好，之后出图几乎零边际成本，适合电商批量做图、自媒体日更配图。

二、当前版本怎么看

截至撰写时，Stability AI 官方公开的最新开源图像模型是 SD 3.5 系列（2024 年发布）。网络上关于「SD 4」的说法来源不一，部分站点缺乏官方佐证，建议以 Stability AI 官网与 Hugging Face 上的权威发布为准，避免下载来路不明的「新版」权重。社区里还有大量基于 SD 的微调模型与衍生版本，按需求挑选即可。

三、部署三步走

1. 装运行环境：准备带独显的电脑（显存建议 8GB 起，越大越流畅），安装 Python 与 Git。
2. 选前端：新手用 SD WebUI 或 ComfyUI（后文会专门对比），按官方文档一键启动。
3. 下模型：从 Hugging Face 拉取 SD 3.5 等官方权重，放进 models 目录即可出图。

四、能做什么

文生图、图生图、局部重绘都不在话下；配合 LoRA、ControlNet 等社区扩展，能固定角色、姿势与画风。电商做商品场景图、自媒体做封面，都能自给自足。ControlNet 还能按线稿、姿态、深度图精确控制构图，是生产可用性的关键。

五、硬件与版权注意

本地出图吃显卡显存，低配机器需量化或降分辨率；显存不足时可开 CPU 卸载但会变慢。版权方面，商用前看清具体模型的许可条款，部分权重对商用有限制。

六、新手排错

黑屏/显存溢出：调小分辨率或批次数。出图糊：检查模型是否匹配前端版本。想偷懒：直接用整合包（如秋叶版）一键启动，少踩环境坑。

七、小结

七、新手排错与进阶

黑屏或显存溢出时，先调小分辨率与批次数；出图发糊检查模型与前端版本是否匹配。想偷懒可用整合包（如秋叶版）一键启动，少踩环境坑。进阶玩家可玩 LoRA 固定画风、ControlNet 按线稿控构图，这两项是生产可用性的关键。版权上，不同 SD 权重对商用的许可不同，有些禁止商用，上线前务必读许可证。最后提醒：所谓「SD 4」多数缺乏官方佐证，认准 Stability AI 与 Hugging Face 的权威发布，别下载来路不明的权重。

再提醒几句部署细节：显存不足时先调小分辨率和批次数，出图发糊就检查模型与前端版本是否匹配。想省事可用整合包一键启动，少踩环境坑。进阶玩家用微调模型固定画风、用控制网按线稿控构图，这两项是生产可用性的关键。版权上不同权重对商用的许可不同，有些禁止商用，上线前务必读许可证，别把练习模型直接拿去卖。

再补一段部署经验：本地部署最大的隐性成本是显存和耐心。显存不足时，优先降分辨率、降批次数，而不是硬上大模型；出图发糊先确认模型文件与前端版本匹配。想省心可以用社区整合包一键启动，少踩环境坑。进阶玩家用微调模型固定角色画风，用控制网按线稿或姿态精确控构图，这两项是把玩具变成生产力工具的关键。版权上不同权重对商用的许可差异很大，有些明确禁止商用，正式上线前务必逐条读许可证，别把练习模型直接拿去卖。

Stable Diffusion 是「一次部署、长期免费」的务实之选。版本命名变动快，文中以撰写时官方信息为准。想了解更多地 AI 工具与落地实践，可关注软著通与风航科技。