准备工作：先确认环境与硬件条件

Automatic1111 是常用的 Stable Diffusion WebUI。

它把本地模型、推理脚本和浏览器界面整合起来，适合做文生图、图生图、局部重绘、批量出图和工作流测试。

安装前建议先确认三件事：

• 显卡驱动是否正常
• Python 与 Git 是否已安装
• 磁盘空间是否足够

单个基础模型通常在 2GB 到 7GB 之间。若还要使用 VAE、LoRA、ControlNet 模型和插件，预留 50GB 以上空间更稳妥。

Windows 用户建议使用 Python 3.10.x，Git 使用官方稳定版即可。

显卡方面，NVIDIA 设备兼容性较好。低显存设备也能运行，但要降低分辨率、减少批量数量，并启用节省显存参数。

Mac 或纯 CPU 环境也可尝试，但速度会明显下降。更适合学习界面和参数逻辑，不适合高频出图。

模型类型要分清：不要把文件放错目录

下载模型前，先理解常见文件类型。

Checkpoint 是基础大模型，文件扩展名多为 .safetensors 或 .ckpt，应放入 stable-diffusion-webuimodelsStable-diffusion。

VAE 用于改善色彩和细节，放入 modelsVAE。

LoRA 是轻量风格或角色增量模型，放入 modelsLora。

Embedding/Textual Inversion 通常放入 embeddings。

ControlNet 相关模型放入 extensionssd-webui-controlnetmodels，前提是已安装对应扩展。

2026 年仍建议优先选择 .safetensors 格式，因为它更适合模型分发场景，加载时安全性和可控性更好。

若遇到来源不明的 .ckpt 文件，不建议直接放入主环境使用。可先在隔离目录中检测文件大小、哈希值、作者说明和社区反馈，再决定是否导入。

模型下载：优先选择可信来源

模型来源应以项目页、作者主页、知名模型平台或团队公开仓库为主。

下载时重点看四项信息：

• 模型适配版本
• 推荐采样器和分辨率
• 触发词或负面词说明
• 授权范围

SD 1.5、SDXL、Flux 类模型的结构和资源需求不同，不能只看预览图就下载。比如 SDXL 模型通常对显存要求更高，默认分辨率也更大；SD 1.5 生态成熟，低显存设备更容易跑起来。

如果网页提供 SHA256 或类似校验值，下载完成后最好核对一次，避免文件损坏。

文件名建议保留模型名、版本号和基础类型，例如 realistic_v3_sdxl.safetensors，后续排查兼容问题会更方便。

不要把多个来源、多个版本全部堆在同一目录里。可以按“基础模型、风格模型、测试模型”建立文件夹或命名规则。

导入步骤：从下载到 WebUI 识别

第一步：关闭正在运行的 Automatic1111，避免复制文件时占用导致导入失败。

第二步：把 checkpoint 文件复制到 modelsStable-diffusion。

第三步：如果模型作者提供 VAE，把 VAE 文件放入 modelsVAE。

第四步：把 LoRA 放入 modelsLora，不要放到基础模型目录。

第五步：重新启动 webui-user.bat 或对应启动脚本。

进入浏览器界面后，在左上角 Stable Diffusion checkpoint 下拉框中选择新模型。如果没有显示，可点击刷新按钮。

仍然不显示时，检查文件扩展名、目录层级和文件是否下载完整。

LoRA 不会出现在 checkpoint 下拉框中。应在生成界面的 LoRA 面板或提示词辅助面板中调用，通常格式类似 ，权重可从 0.5 到 1.0 之间试起。

推荐基础设置：先稳定再追求效果

首次导入新模型，不建议直接开高分辨率和大批量。

可以先用 512×512、768×768 或模型说明中的推荐尺寸测试。采样步数设为 20 到 30，批量数量设为 1。

确认能正常出图后，再逐步提高分辨率、开启高清修复或叠加 LoRA。

SDXL 模型建议从 1024×1024 附近开始，但低显存设备可先用 768×768 验证。

VAE 设置可在 Settings 中找到 Stable Diffusion 相关选项，选择对应 VAE 后点击 Apply settings，再 Reload UI。

若画面发灰、色彩异常或细节糊，常见原因是：VAE 不匹配、提示词不适合模型、分辨率偏离训练范围，或多个 LoRA 权重叠加过高。

低内存与低显存优化技巧

低显存设备运行 Automatic1111 的核心思路是减少一次性占用。

Windows 用户可打开 webui-user.bat，在 COMMANDLINE_ARGS 后加入 --medvram。如果仍然报显存不足，可改用 --lowvram，但速度会更慢。

较新的环境可尝试 --xformers 或 --opt-sdp-attention，具体取决于显卡、驱动和 PyTorch 版本。若启动报错就先移除参数。

界面设置上，分辨率比步数更影响显存。

• 4GB 到 6GB 显存：建议先用 512 或 640 边长，批量数量保持 1，高清修复倍率控制在 1.3 到 1.6。
• 8GB 显存：可尝试 SD 1.5 的 768 分辨率，SDXL 则需更谨慎。

不要同时启用太多扩展。ControlNet、多 LoRA、高清修复、局部重绘叠加时，占用会快速上升。

如果内存也偏小，可以关闭浏览器多余标签页，减少后台软件，模型切换不要过于频繁。

Automatic1111 支持在 Settings 中调整模型缓存数量，低内存设备建议不要缓存多个模型。

生成失败后不要连续点击生成，可先等待显存释放，必要时重启 WebUI。

常见问题排查

问题一：模型放入目录后不显示。
通常是目录放错、文件未下载完整、扩展名被系统隐藏，或 WebUI 没有刷新。可检查是否放在 modelsStable-diffusion，而不是 models 根目录。

问题二：启动时提示 CUDA 或 Torch 错误。
多半与显卡驱动、Python 版本或依赖安装有关。建议确认 Python 为 3.10.x，更新显卡驱动，并删除 venv 文件夹后重新启动，让 WebUI 自动重建环境。

问题三：出图全黑、发灰或颜色怪异。
优先检查 VAE 是否匹配；其次降低 LoRA 权重；再尝试更换采样器，如 Euler a、DPM++ 2M Karras 等常见组合。

问题四：显存不足。
先把批量数量改为 1，降低宽高，关闭高清修复；仍不行再加入 --medvram 或 --lowvram。SDXL 模型对资源要求更高，低配设备可先使用 SD 1.5 模型练习。

安全边界与使用建议

模型导入看似只是复制文件，但仍要注意来源和授权。

不要运行来源不明的脚本，不要随意安装陌生扩展。不要把个人照片、客户素材或未获授权的商业素材直接用于公开发布项目。

用于商业设计、广告物料或产品包装时，应确认模型许可、素材授权和生成结果的可用范围。

建议建立一个“测试环境”和一个“稳定环境”。新模型、新扩展先在测试环境中验证，确认无报错、无异常占用后再放入常用目录。

日常使用中保留 webui-user.bat、models 文件夹和 outputs 文件夹的备份清单。升级 WebUI 前记录当前版本和关键参数。这样即使遇到兼容问题，也能快速回退到可用状态。

结语：把模型管理当成长期工作流

Automatic1111 的优势在于开放、灵活、可扩展，但模型越多，管理成本越高。

新手不必一次下载几十个模型。先选择一个稳定的基础模型、一个匹配 VAE、少量高质量 LoRA。熟悉提示词、采样器、分辨率和显存占用之间的关系，再逐步扩展素材库。

对低内存设备来说，稳定运行比极限画质更重要。合理参数、清晰目录和可信来源，才是长期高效使用的关键。