Stable Diffusion是目前最流行的开源AI绘画工具之一，而Automatic1111推出的WebUI则是社区中使用最广泛的图形化操作界面。相比在线服务，本地部署不限制生成次数、不审核内容、数据完全保存在自己电脑上，因此吸引了大量用户尝试。不过对新手来说，从零开始搭建环境往往会卡在各种报错上。本文将以Windows系统为例，完整演示Automatic1111 WebUI的安装部署流程，并汇总常见问题的解决方法。
一、部署前的硬件与软件准备
本地跑Stable Diffusion对硬件有一定要求，其中最关键的是显卡。NVIDIA显卡是首选，建议显存不低于6GB，8GB以上可以流畅使用默认设置，如果显存只有4GB，则需要额外加上低显存启动参数才能运行。AMD显卡在Windows上也能通过DirectML方式运行，但速度和兼容性都明显不如NVIDIA方案，新手如果没有特殊需求，优先考虑NVIDIA平台。CPU纯运算方式理论上可行，但生成一张图往往需要几十分钟，实际意义不大。
系统方面建议使用Windows 10或Windows 11的64位版本，内存建议16GB起步，硬盘至少预留50GB空间，因为各种模型文件动辄几个GB，后续还会不断下载插件和LoRA，空间消耗会越来越快。软件环境需要提前安装两样东西：Python 3.10.6版本和Git。注意Python不要安装最新的3.11或3.12，WebUI的部分依赖库与高版本Python不兼容，3.10.6是社区验证过的稳定版本。安装Python时务必勾选Add Python to PATH选项，否则后续命令行无法识别python命令。
Git的作用是从GitHub拉取WebUI的源码仓库。安装完成后可以打开命令提示符，输入git --version和python --version验证两个工具是否正常，如果能分别显示版本号，说明环境准备就绪。
二、下载WebUI并完成首次安装
环境就绪后，选择一个空间充足的磁盘分区（例如D盘根目录），在空白处右键选择Git Bash Here，执行克隆命令把项目下载到本地：
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
克隆完成后会得到一个名为stable-diffusion-webui的文件夹，路径例如D:\stable-diffusion-webui。进入该文件夹，找到webui-user.bat这个批处理文件，双击运行即可开始自动安装。首次启动时脚本会自动创建Python虚拟环境（venv目录），并从网络下载PyTorch等大量依赖库，整个过程视网速可能持续半小时到两小时，期间命令行窗口会持续滚动大量日志，请耐心等待，不要中途关闭窗口。
安装结束后，脚本会自动在浏览器打开http://127.0.0.1:7860这个本地地址，看到WebUI的操作界面就说明部署成功了。需要提醒的是，每次使用时都要通过运行webui-user.bat来启动服务，然后浏览器访问7860端口，关闭命令行窗口即代表服务停止。如果浏览器没有自动弹出页面，手动输入地址即可。
接下来需要放置模型。模型文件通常是从Civitai或HuggingFace下载的.safetensors或.ckpt文件，Stable Diffusion 1.5和XL系列的底模要放到models\Stable-diffusion目录下，VAE模型放到models\VAE目录，LoRA放到models\Lora目录。放置模型后需要点击WebUI界面右上角的刷新按钮或重启服务，模型才会出现在下拉列表中。默认安装没有任何模型，不放入模型文件是无法出图的。
三、启动参数优化与常见报错解决
对于显存偏小或追求速度的用户，可以用记事本编辑webui-user.bat文件，在set COMMANDLINE_ARGS=这一行后面追加参数来优化运行表现。常用参数包括：--xformers可以显著降低显存占用并提升出图速度；--medvram适合4GB到6GB显存的显卡；--lowvram是显存严重不足时的兜底方案；--api可以让WebUI对外提供接口，方便对接其他工具。多个参数之间用空格分隔即可。
set COMMANDLINE_ARGS=--xformers --medvram
新手最常遇到的第一个报错是venv创建失败或Python版本不正确。如果日志中出现Torch is not able to use GPU之类的提示，说明显卡驱动太旧，需要先去NVIDIA官网更新到最新驱动。如果提示无法创建虚拟环境，多半是Python版本不对或没有加入PATH，建议卸载后重装3.10.6版本并勾选PATH选项，然后删除stable-diffusion-webui文件夹下的venv目录，重新运行webui-user.bat让它重建环境。
第二个高频问题是下载依赖和模型速度极慢甚至超时。这是因为默认源连接海外服务器不稳定，可以通过设置国内镜像源来缓解，也可以使用支持断点续传的下载工具先把模型下载到本地，再手动复制到models目录。第三个常见问题是运行时弹出无法定位程序输入点或缺少dll的错误，通常是系统缺少VC++运行库，安装Microsoft Visual C++ Redistributable合集即可解决。另外，如果启动后界面能打开但出图时报CUDA out of memory错误，就说明显存被占满了，关闭其他占用显存的程序，并在启动参数中加入--medvram通常可以缓解。
整体来看，Automatic1111 WebUI的部署流程并不复杂，核心就是装好Python 3.10.6和Git、克隆仓库、双击bat文件等待自动安装、放入模型这四步。遇到报错时先仔细阅读命令行窗口的最后几行日志，绝大多数问题都能在上面找到原因。部署成功后，建议再安装中文汉化插件ControlNet等扩展，逐步探索文生图、图生图和局部重绘等功能，本地AI绘画的大门就此打开。
Stable Diffusion本地部署Automatic1111 WebUIWindows安装教程修改时间：2026-09-01 02:06:46