Stable Diffusion WebUI 作为扩散模型最常用的图形化操作前端，把复杂的推理流程封装成了几个主要功能页签。页面本身并不复杂，但每个参数背后都对应着采样过程的不同阶段。理解这些模块的职责，是后续安装模型和调优参数的前提。本文从实用角度拆解 WebUI 的界面结构、模型文件管理以及关键参数组合，帮助读者形成可复用的出图流程。
一、WebUI核心界面拆解：txt2img、img2img与Extras各管什么
打开 Stable Diffusion WebUI 后，顶部会看到多个功能页签，其中使用频率最高的是 txt2img 文生图、img2img 图生图、Extras 高清放大以及 PNG Info 图像信息查看。对于多数日常出图流程，txt2img 负责从零生成画面，img2img 负责对已有图像进行重绘或局部修改，Extras 则用于在生成结束后进行独立放大。Settings 页面包含显示与性能选项，适合在系统配置稳定后再逐步调整。
txt2img 区域可以进一步分为提示词输入区、采样参数区和输出预览区。正向提示词和负向提示词各有一个独立输入框，在正向提示词中可以使用权重语法控制元素强弱，例如 (detailed face:1.2) 表示加强面部细节，[flower] 则会降低该元素出现概率。负向提示词通常填入低质量、畸形肢体、文字水印、模糊等内容，帮助模型规避常见错误。底部的采样参数区包含步数、采样器、CFG 值、分辨率、批次大小和种子等设置，这些参数直接影响生成质量和速度，后面会专门展开说明。
img2img 与 txt2img 的最大区别在于多了一个 denoising strength 参数。该值决定了对原图的重绘程度，取值范围为 0 到 1，越接近 0 越保留原图结构，越接近 1 则越倾向生成全新画面。如果只想微调颜色或修复细节，可以把 denoising 强度控制在 0.2 到 0.4 之间；如果希望保留构图但更换风格，可以调到 0.5 到 0.7；超过 0.8 后原图信息会大幅丢失，基本接近重新生成。局部重绘功能则允许用户在图片上涂抹需要修改的区域，配合 masked content 选项可以更精准地控制重绘范围。
Extras 页签的职责很单一：对已有图片进行无损放大或细节增强。常用放大算法包括 Lanczos、ESRGAN_4x、R-ESRGAN 4x+ Anime6B 等，其中 ESRGAN 系列对二次元图像有较好效果，Lanczos 则更接近传统插值。处理时可以在 Upscaler 1 和 Upscaler 2 中组合两个算法，并设置第二个算法的权重，以此平衡清晰度和噪点。
二、模型安装位置与加载逻辑：别再把大模型放错文件夹
Stable Diffusion WebUI 涉及的模型文件不止一种，不同类型必须放在对应目录下才能被正确识别。主模型 checkpoint 是出图的核心，文件后缀通常为 .safetensors 或 .ckpt，必须放在 models\Stable-diffusion 目录中。VAE 模型用于改善图像色彩和明暗表现，后缀同样是 .pt 或 .safetensors，放置于 models\VAE。LoRA 属于低秩适配模型，用来在不改变主模型的情况下微调风格、角色或动作，应放在 models\Lora。此外还有 Textual Inversion 的 Embeddings 文件和 ControlNet 专用模型，分别在 models\Embeddings 和 models\ControlNet 目录下。
下面是一个常见的本地目录结构，安装新模型时可以对照检查：
stable-diffusion-webui\ ├── models\ │ ├── Stable-diffusion\ │ │ └── sd_xl_base_1.0.safetensors │ ├── VAE\ │ │ └── vae-ft-mse-840000-ema-pruned.safetensors │ ├── Lora\ │ │ └── detail_tweaker_xl.safetensors │ ├── Embeddings\ │ │ └── easynegative.pt │ └── ControlNet\ │ └── control_v11p_sd15_canny.pth ├── extensions\ ├── outputs\ └── webui-user.bat
将模型文件复制到对应目录后，需要点击界面模型下拉框旁边的刷新按钮，或者直接重启 WebUI 让模型出现在列表中。切换主模型时，如果该模型自带 VAE，通常不需要手动选择 VAE 文件；但更换为某些无内置 VAE 的老模型时，画面可能整体发灰或对比度不足，此时在 Settings 的 Stable Diffusion 选项中把 VAE 来源改为手动选择，并指向已放入 models\VAE 的文件即可。还有一个容易混淆的参数是 Clip skip，它决定模型在第几层停止 CLIP 文本编码。部分二次元模型推荐设置为 2，写实模型通常保持 1，建议先遵循模型发布页面的说明，不要随意改动。
如果显卡显存有限，可以通过启动命令缓解显存压力。常用的启动参数包括 --medvram 和 --lowvram，前者适合 6GB 到 8GB 显存，后者适合更低显存但速度会明显下降。更推荐使用 --xformers 来启用优化注意力机制，它能在几乎不损失画质的情况下显著降低显存占用并提升速度。在 Windows 下可编辑 webui-user.bat，在 set COMMANDLINE_ARGS= 后面追加参数，例如：
set COMMANDLINE_ARGS=--xformers --medvram
模型加载不仅取决于文件位置，还与页面中的选择顺序有关。主模型、VAE、LoRA 和 Embedding 会在每次生成时一起参与推理，因此建议为不同风格建立不同的模型组合，并在 PNG Info 页签中查看历史生成图所使用的完整参数。这样既能复现之前的画面，也能快速排查因模型冲突导致的异常。
三、参数调优实战：采样器、步数、CFG与分辨率如何搭配
采样器是影响出图风格和收敛速度的关键参数。WebUI 内置了 Euler a、DPM++ 2M Karras、DPM++ SDE Karras、DDIM、LMS 等多种选择。带 a 后缀的属于祖先采样器，例如 Euler a 和 DPM2 a，它们在采样过程中会加入随机噪声，因此画面细节丰富、颜色跳跃较大，但收敛性弱，即使步数增加画面仍可能继续变化。相比之下，DPM++ 2M Karras 和 DPM++ SDE Karras 属于收敛型采样器，通常只需要 20 到 30 步就能获得稳定清晰的结果，非常适合日常批量生成。若追求更细腻的光影过渡，可以尝试 DPM++ SDE Karras，但速度会稍慢。
步数并非越大越好。对于收敛型采样器，超过一定步数后画面变化非常有限，只会增加生成时间；对于祖先采样器，过高的步数则可能导致细节互相干扰。通常建议先以 24 到 30 步作为基准，在确认构图和风格方向后，再针对个别种子进行 40 到 60 步的精修。CFG 值控制提示词对生成过程的约束强度。低 CFG 约 3 到 5 时，模型自由发挥空间大，画面可能偏离提示词；高 CFG 约 10 到 15 时，画面更贴合文字描述，但对比度和颜色容易过饱和，甚至出现颗粒感。写实类图像一般使用 5 到 8，二次元插画可略高到 7 到 10。
分辨率设置需要结合主模型的训练版本。传统的 SD 1.5 系列模型通常在 512x512 或 512x768 下表现最佳，直接设置成 1024x1024 可能会出现重复身体、构图异常等问题。SDXL 系列模型则更适合 1024x1024 左右的区域。若需要生成更高分辨率图像，不建议一次性出大图，而是先用模型原生分辨率生成小图，再开启 Hires.fix 高分辨率修复。该功能会在第一阶段生成小图后自动放大并重新采样，既能提升细节，又能避免结构崩坏。放大倍数一般设置为 1.5 到 2 倍，配合 R-ESRGAN 4x+ 或 Latent 放大算法使用。
批量大小与显存直接相关。Batch count 表示生成几批，Batch size 表示每批同时生成几张，总输出数量等于两者乘积。对于显存较小的显卡，建议把 Batch size 保持在 1，只提高 Batch count 来获得多张结果；否则显存占用会成倍增加。种子 Seed 是复现画面的关键，相同提示词、参数和种子条件下，同一模型会生成几乎一致的图像。日常探索时使用 -1 随机种子，找到满意构图后可以固定种子，再分别调整 CFG、步数或提示词来观察细微变化。
四、高频问题排查：出图慢、颜色灰、构图崩怎么处理
出图速度异常缓慢通常与显存和优化设置有关。如果显卡性能不低但生成一张 512x512 图像超过几十秒，可以先检查是否已经开启 --xformers。对于 GTX 10 系列等较老显卡，xformers 的支持可能不完整，此时可改用 --opt-sdp-attention 或直接使用 --medvram。另一个常被忽略的点是浏览器硬件加速，有时关闭浏览器加速或更换浏览器也能提升页面响应。若使用多显卡环境，确保 WebUI 没有错误地调用核显，启动时可在命令行中用 --device-id 指定设备。
画面整体偏灰、色彩发白，多半是 VAE 没有被正确加载。可以先尝试在页面中把 VAE 选项设为 Automatic，让 WebUI 自动匹配主模型；如果仍然偏灰，就到 models\VAE 目录放入常用 VAE 文件，并手动选择。很多下载的主模型已内置 VAE，但若文件来自合并或精简版本，内置 VAE 可能缺失。生成后再通过 Extras 或图像编辑软件调整曲线并不能从根本上解决灰图问题，最好在采样前就确保色彩映射正常。
构图破碎、多人肢体混乱往往不是单一原因造成的。常见因素包括：分辨率设置远超模型训练范围、CFG 值过高导致画面过饱和崩坏、负向提示词缺少对手部和肢体缺陷的描述、以及提示词中存在互相冲突的元素。遇到这种情况可以先把分辨率降到模型原生大小，再把 CFG 降低到 6 左右，同时在负向提示词中加入 bad anatomy、extra limbs、missing fingers 等常见修正词。如果使用 Hires.fix，第一阶段生成的构图已经崩坏，放大阶段也无法修复，需要先调整第一阶段参数。
切换主模型后画面风格异常，除了检查 VAE 外，还要留意 Clip skip 是否与该模型匹配。部分二次元模型在 Clip skip=1 时画面会过于写实或过于僵硬，切换到 2 后才会呈现出原设计风格。LoRA 未生效时，先确认触发词是否输入正确，再检查 LoRA 权重是否低于 0.3，过低时对画面影响会非常微弱。每次更换模型或 LoRA 后，建议先生成一张小图验证基础效果，再投入大批量生成，这样能显著减少无效出图的时间浪费。
Stable DiffusionWebUI模型安装修改时间：2026-08-23 21:00:16