AI绘画新篇章，stable diffusion系列教程1

之前一直在讲 Midjourney，相信大部分认真看过我的 Midjourney教程系列并实操过的同学已经会用它了。Midjourney作为入门来说，相当好用，随便几个关键词下去生成的效果就很不错了。

但也会发现它的一些问题，一些生成结果还不是太可控，细节修改能力比较弱，也没法用它去训练我们自己想要的模型，而且它是付费的还不便宜。

那我想接下来给自己挖一个坑，开始讲另一个目前非常主流的 AI 绘画工具，叫 stable diffusion，它的优点是可控性更强，可以训练自己想要的模型，支持各类插件，可以从网上找到很多大模型和微调模型方便用，关键还是免费开源的。

但缺点就是上手难度比较大，而且一开始用可能效果还比较差，但其实我知道很多人单在开始安装阶段就被劝退了。虽然现在也有一些一键安装的工具，但我自己在使用的过程中会发现，一键安装的工具容易出bug，而且由于没有学会原理，也很难深入学习。

那么这个系列就先从安装开始详细讲起吧，相信跟着我的教程走，一定可以掌握好这个工具。

1、安装条件

1）Mac

硬盘空间：AI本地化初始文件其实不大，但后面还需要放一些自己喜欢的模型，所以建议至少预留30GB来用。我自己安装完，加上一些下载的模型，轻松超过30G的用量，所以硬盘预留多一些很有必要。

由于多用命令行来安装，进度没有太可视化，所以在安装期间要保持网络稳定很重要。我因为网络问题被坑了好几次，折腾了很久，提别提醒下大家。

Intel显卡和苹果M1,M2都可以用，有GPU显卡和没有高端显卡的电脑都可以运行，显卡好坏对图片生成质量没有影响，只是会影响生成的速度（但其实速度太慢，体验会很差）。我在我的M2苹果本上训练一张图，平均用时20s左右，感觉比Midjourney还要快。

2）Windows

Stable diffusion更适合在windons下使用，配合高端显卡，速度飞快。我自己的电脑是4090的显卡，基本生3s一张图，速度极快，mac在这个速度面前几乎弱爆。所以如果有条件的话，还是建议用windows来使用。

2、Mac安装步骤

其实mac的安装也没有想象中的那么难，步骤不多，跟着这个流程走就OK的。官方给出的安装步骤：https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Installation-on-Apple-Silicon

官方提示的安装步骤

经过我自己的测试，我把一些安装的细节和可能会遇到的问题做详细分析：

1）安装Home Brew

到 https://brew.sh 复制命令 /bin/bash -c “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)”

在这个网站点红色箭头位置复制代码

然后在Mac的终端界面中贴上，然后回车让它自动下载。

在终端里贴入上面复制的代码后运行

这里可能会有疑惑，这个软件是做什么的？为什么需要安装它？

我稍微解释下：它是一个免费的包管理器，主要用于通过在终端中运行命令来安装、更新或删除软件。Brew 命令可以帮你在 Mac 上安装许多工具的最新和更新版本，例如 Python、PHP、Nginx、Git、Ruby、PostgreSQL、Node 等。有了 Homebrew，就可以使用 Mac 上的终端安装免费和开源软件，也就能安装stable diffusion了。

正在下载依赖软件

可能在这一步会停留的时间比较久，耐心一点，因为需要依赖的软件xcode比较大，速度取决于你的网络情况，网速快的话等的时间少一些。

如果发现在这一步有很长一段时间，进度条完全不动了，也可以关掉终端界面重新来一次，打开终端界面后按方向键上，就可以直接复用上一次命令了。

安装过程中

可能出现的错误提示

如果你发现了这个问题，说明有缺失的部分，可以复制以下代码贴进去回车解决

echo ‘eval $(/opt/homebrew/bin/brew shellenv)’ >> $HOME/.zshrc

我在这篇博文里找到了解决方案 https://github.com/orgs/Homebrew/discussions/938，感兴趣的可以点开看看。

2）新开一个终端界面，复制以下代码并回车运行

brew install cmake protobuf rust [email protected] git wget

下载各种补丁文件

然后就继续下载各种补丁文件了，由于需要依赖的文件比较多，所以时间可能会比较久。

下载完成

到这里算是终于下载完了。

3）通过运行克隆 Web UI 存储库

输入命令并回车运行：git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui

Web UI下载完成

有些模型文件比较大，我建议可以在安装的同时，同步下载，会比较节省时间。

模型可以去两个地方下载：

https://huggingface.co/lllyasviel/ControlNet/tree/main/models

https://civitai.com/models/12317/yurisa-lora

这里面找一些自己喜欢的模型来生成就好了。比如下面这种lora的小模型，最近就很受欢迎。

4）把下载下来的模型放到模型文件夹中

路径如下图所示

从网上下载下来的预训练模型存放的位置

如果你找不到这个文件夹目录，也可以在终端中输入命令：open . （注意是open+.，别漏了后面那个.）

5）在本地运行stable diffusion

把目录切换到webui下面，使用命令：cd stable-diffusion-webui

然后运行命令：./webui.sh

第一次安装时需要下载依赖文件，耐心等待就好

再稍微等一会儿，第一次启动的时候时间会比较久一点，因为需要安装一些依赖文件。

当出现一个本地地址时，代表安装已经完成了。

出现这样的链接时，说明安装完成

复制这个链接，在浏览器打开，就能见到梦寐已久的stable diffusion的操作页面了

我在mac电脑上用 stable diffusion生成的第一张图

3、在Windows上的安装步骤

整体的安装步骤和mac差不多，但可能没有mac那样几乎全部都在终端操作，我们需要手动下载一些软件。

1）安装git

从网址https://git-scm.com/download/win 上下载git安装文件，选择独立安装（如果你电脑是32位的就选择32-bit安装就好）。

下载git客户端

下载完成后直接安装就行，过程比较傻瓜式，保持默认设置就好，就不多讲了。

2）安装python

接着需要安装python环境，去它的官网https://www.python.org下载

这里需要注意，不推荐下载最新版本，可以通过这里选择其他版本，找到一个比较稳定版本。

选择其他版本的python

推荐下载 python 3.10.8这个版本，下载安装

选择python版本

点进去之后，拉到最下面，选择一个64 bit版本下载

点击下载

下载下来之后，安装也比较简单，需要注意下它的安装路径即可，最好用一个文本工具记录下它的路径，因为后面还要用。

3）安装stable diffusion

终于要开始安装它了。先找一个比较大的盘，新建一个文件夹叫stable diffusion，然后把这个文件夹的路径也用前面的文本工具记录下来，把需要用到的路径放在一起像备菜一样规整好。

输入CMD，打开命令提示符界面进行操作。

在windows上打开终端操作界面

分享下2个基本的命令符操作:

如果新建的文件夹与启动盘不在一个目录下，比如我这里的启动盘是D：盘，而我希望打开的是E盘里新建的文件夹，那么可以使用E：，然后再使用cd E:\stable diffusion 进入到你所新建的文件夹中。

换盘符和进对应文件夹操作

接着复制这段代码

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

然后等它下载就好了。

然后去到刚刚新建的文件目录下面找到一个叫webui-user.bat的文件，右键用记事本打开，然后把前面记录好的python执行文件的路径填进去。（如果你找不到python路径，可以使用win的搜索功能，搜下python）

找到并右键这个bat文件

再把 set VENV_DIR给取一个名字，填完后保存一下。

添加python路径，并修改名字

最后再双击打开这个webui-user.bat批处理文件，然后就等它全自动安装就好了，因为需要下载几个G的模型，所以这个过程会需要很久，耐心等吧。（我大概在这个步骤等了差不多4-5个小时，可能是我的网速比较慢，但真的要等很久，不是安装出了问题）

4）安装完成

和mac安装一样，当出现了一个URL地址时，说明大功告成了。

安装完成

还有一种方式是云端部署，解决本地部署需要依赖你电脑性能的问题，安装也更方便，这个方法其实我早在去年的时候就分享过教程，可以再去看看《当下最火的AI作画，让手残也能成为艺术家，分享我的入门经验和教程》

下一期会分享一些实用插件的安装，还有一些具体使用的方法和技巧，保持关注吧。

Stable diffusion  可用性更高，需要研究的地方也更多，这个系列相信可以连载很多期，把这个进阶的 AI 工具学明白，给自己的工作提效了！

下面是我刚安装完生成的一些图，边写教程边出的图，效果也还不错。等以后会慢慢进一步提升出图质量和技巧，然后分享优化教程。

尝试研究了下同一组关键词，不同模型细节的出图效果细微差别

如果有学到，记得分享朋友圈点赞呀，后续更新才有动力，靠你了~