AI绘画本地部署怎么做？本地跑SD指南

很多人聊到AI绘画本地部署第一反应是"难"。说实话没那么玄乎。我去年第一次装WebUI也卡了一晚上，后来摸熟了发现套路其实固定——装依赖、下模型、起界面、调参数，就这四件。这篇就按这个顺序走一遍，踩过的坑我直接标出来，你照着抄能省一大半时间。想省心直接用在线工具的可以看美国AI绘画软件对比，想自己跑的咱往下看。

本地部署到底要不要做？先看你的显卡

N卡+8GB显存是起步线，想舒服跑SDXL建议12GB以上，A卡和核显基本可以放弃主流WebUI这路线。这是绕不过去的第一道坎。很多人兴冲冲装完发现一跑就爆显存，白忙一场。

我踩过这个坑。最早拿张6GB的老1060试，512x512能出图，一拉到768直接崩，更别说上SDXL了。后来换了张3060 12GB才算是"可用"状态。这里说个反直觉的点：显存比算力更关键，3060 12GB跑SDXL比4060 8GB还稳，就是因为多吃那4GB。数据可以参考Stability AI官方对SDXL的运行建议，大模型本体就要6GB显存预算，再叠LoRA、ControlNet很吃紧。

给个参考表你心里有数：

4GB显存——只能跑SD1.5，512x512紧巴巴，别想SDXL。
8GB显存——SD1.5很流畅，SDXL能跑但要开--medvram。
12GB显存——甜点位，SDXL+ControlNet基本随便来。
16GB以上——可以动SD3、Flux这类大个头的。

没N卡？说实话要么换设备，要么走云端，硬刚_CUDA替代方案能把人耗干。我朋友圈里试过的，没一个有好体验。

两条路线怎么选：WebUI抑或ComfyUI

新手先上WebUI界面直观好操作，玩深了转ComfyUI拼工作流更灵活、出图上限更高，两者不冲突可以并存。不是非此即彼的事。

WebUI就是那个经典标签式界面，划拉几个滑块就能生成，学习曲线缓。ComfyUI长了一副"节点连图"的样子，刚打开一脸懵，但搭好一个工作流能复用，做宫格、批量、串联效果特别香。我自己是这样：先WebUI用两个月把提示词吃透，再迁ComfyUI搭自己的出图工作流，过渡平滑。

顺便说个很多人忽略的点——ComfyUI出图速度普遍比WebUI快20%到30%，因为它的调度更高效。要做大量出图练模型、做图集的，这个差距能省真金白银的时间。装好之后想接个视频流程的，可以串到AI绘画转视频指南里那套玩法。

装环境：Python+Git+大模型本体

Python 3.10.6、Git、CUDAToolkit这三件套先装齐，然后用官方一键脚本拉WebUI仓库，耗时大头在下模型，几个G跑不掉。别装装错版本就行。

顺序很关键。Python必须3.10.x那个版本，装3.11或3.12会有一堆依赖报错，新手最容易在这栽。装完把Python加进PATH，命令行敲python --version确认是3.10.6再往下。CUDA Toolkit版本要跟你显卡驱动对得上，太高了某些包不吃，建议11.8这个保守选择。

然后git clone那个autotomatic1111仓库，跑webui-user.bat它会自己下torch、下依赖。这步快的话十几分钟，慢的话看网速。翻车点：pip源偶尔抽风卡住，可以在用户目录建个pip.ini换成国内镜像，立竿见影。

模型单独说。底模（也就是大模型本体）放models/Stable-Diffusion目录，v1-5、deliberate、揪个真实系的majicMIX realistic都不错，文件4个G起步。想跑SDXL就要对应的SDXL底模，6GB照上。模型去哪下？Civitai是最大的社区库，但国内访问拉胯，要么挂代理要么去镜像站蹲。这步别图快下到个不对版的模型，整个人会怀疑人生。

起界面跑第一张图：参数怎么填

选好CKPT底模，提示词写主体+风格+细节，宽高512、采样步数20-25、采样器DPM++ 2M Karras、CFG7——这套组合新手出图基本不翻车。记下来直接抄。

第一次跑就别整花活。提示词写个"a girl standing in cherry blossom garden, soft light, photorealistic"这种简单的，看能不能出。出得了说明链路通，出不了八成是模型没载入或者显存炸了，回去看日志。

几个参数的脾性我讲一下，省得你瞎试。采样步数20和50视觉差不超过5%（自己实测），别无脑拉高耗时间。CFG值越低越像训练集、越高越听提示词但容易过曝，7到9是稳妥区间。

采样器我固定用DPM++ 2M Karras好多年了，又快又稳。Euler a也行，画面更柔。这俩里挑一个够用，别在列表里纠结。

出图慢？第一次编译会卡几十秒，之后就好。要更快可以去SD提示词合集学怎么用更精准的词省返工。

装LoRA和ControlNet：解锁进阶玩法

LoRA放models/Lora，写提示词时加"<lora:名字:权重>"调用；ControlNet要先装扩展再下控制模型，能精准控线稿、姿态、深度。这俩是本地部署相对在线工具最大的优势。

在线工具你只能用它给的素材，本地啥LoRA都能叠。举个例子，画个固定风格的角色，下个对应LoRA权重0.6一调，画风立马控住。权重别拉满，0.6到0.8最香，拉到1.0容易出鬼脸。

ControlNet更猛。它能让你用一张线稿图控制生成构图，画师辅助神器。装法：Extensions里Install from URL填那个官方仓库，装完下对应控制模型放models/ControlNet。第一次配比较折腾，但搭好之后做宫格、固定姿势出图爽到飞起。

新手翻车高发点：ControlNet模型版本要和底模对齐，SD1.5的ControlNet不能直接喂SDXL用。看准了再下，别攒一堆装不上。

本地vs在线：到底差在哪，哪个适合你

本地赢在隐私、不限量、可叠任意LoRA、长期成本一次投入；在线赢在零配置、随开随用、有显卡门槛——重度玩家本地，轻度玩家在线。没谁绝对好。

给你算个账。在线工具按照出图张数收费，常用的一个月几十到一百多。本地一次性投几千配台机子，用个三五年摊下来很划算。但你一年才画几十张图，那在线就够，本地那台机器吃灰也亏。看你出图频次定。

隐私这块本地完胜。做商单、生成客户素材的，传到公开在线平台有泄露风险，本地全程在自己硬盘上跑，踏实。我个人做定制单就是本地跑，客户的参考图绝不外流出我电脑。

想接单赚钱的，可以配着看AI头像接单指南，把工具和生意一起捋顺。

常见问题

AI绘画本地部署需要多少钱？

光显卡就够说一阵。能跑起来的甜点位大概5000左右（3060 12GB整机），想跑SDXL舒服点配置上万。预算紧的可以考虑二手卡或者租用云主机过渡。

部署完跑得很慢怎么办？

先看是不是在用GPU跑。命令行输出里找torch.cuda.is_available，False的话就是跑CPU上了，重装带CUDA的torch版本。再就是显存爆了会自动用硬盘临时存，那叫一个慢，调低分辨率或者开--medvram。

A卡电脑能本地部署吗？

A卡基本可以放弃automatic1111这条路线，社区有DirectML分支但坑多、出图速度也只有N卡三分之一。核显更别想，老老实实用在线平台吧。

本地部署后还需要联网吗？

装好运行时不需要持续联网。但下载模型、装扩展、拉LoRA这些操作要联网，建议第一次配好之后把常用模型存本地，离线也能出图。

写到这基本把本地跑SD的链路讲完了。你要是顺手出图了，欢迎把这篇转给也在折腾本地部署的朋友——配机器和装环境这俩关如果能帮人少踩一个坑都算值。有装环境卡住的具体报错也欢迎把截图甩到评论区一起看，能答的我都会回。