AI绘画下载电脑版怎么装？本地部署指南

经常有人私信问我：AI绘画下载电脑版到底怎么装啊，网上的教程要么太老要么太碎，照着做卡在第二步。说实话，这事我自己也趟过坑。第一次装的时候我光是Python版本不对就耗了一整晚，最后发现是PATH没配好。这玩意儿不难，但坑是真多。今天我把整个本地部署流程从头到尾走一遍，每一步配我实测的细节和翻车点，你能少走不少弯路。

装之前，先看你的电脑够不够格

N卡8G显存是最低门槛，16G才舒服；A卡能跑但折腾；核显别想了。这事没得商量，Stable Diffusion对显存就是贪。

我实测的几档配置给你参考：RTX 3060 12G——SDXL 1024出图约25秒一张，能用；RTX 4060 Ti 16G——SDXL 1024约15秒，舒服；RTX 4090 24G——SDXL 1024约6秒，爽。A卡我用6800XT试过，能跑，但要装DirectML版本，速度比N卡慢一截，踩坑也多。我个人建议纯小白就别碰A卡了，省下的那点钱不够你折腾的时间成本。

内存也得跟上，16G是底线，32G才稳。我之前在16G内存的机器上跑，出图的时候浏览器多开两个标签就崩，后来加到32G才消停。硬盘留50G以上的空间，模型一个就6-7个G，下几个就没空间了。

这套硬件门槛是据AUTOMATIC1111项目官方仓库的说明来的，N卡6G显存理论能跑SD1.5，但SDXL得8G往上，跑得动和跑得爽是两码事。

装环境：Python、Git、CUDA一个不能少

Python装3.10.6这个版本，别装3.11以上；Git装最新版；CUDAToolkit看显卡情况，40系显卡要12.x以上的驱动。版本不对，后面全是报错。

Python版本这块我踩过最深的坑。第一次我图省事装了最新版3.12，结果WebUI死活起不来，一堆依赖包找不到对应版本，报错刷屏。后来老老实实卸了重装3.10.6，立马顺了。这个版本号不是随便定的，是AUTOMATIC1111官方推荐、社区里验证过兼容性最好的版本。

装Python的时候那个"Add Python to PATH"一定要勾上，不勾上后面命令行敲python它认不到，一堆人卡在这。Git没什么好说的，一路下一步。CUDA这个相对省心，N卡驱动够新就自带，不用单独装Toolkit，WebUI的启动脚本会自动下PyTorch的CUDA版本。

验证环境装好没，命令行敲三句：python --version看到3.10.6、git --version有版本号、nvidia-smi能看到显卡信息——齐活了。这三句任何一句报错，别往下走，先把环境修好。

拉WebUI：一行命令搞定主体

在你想放的盘根目录开命令行，敲git clone那个仓库地址，等几分钟就拉下来一个几百兆的WebUI文件夹。这是整个流程里最省心的一步。

具体命令我贴这儿：

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

注意，clone的位置路径里千万别带中文！千万别带中文！千万别带中文！我第一次装就栽在这——把WebUI放在了"D:\我的AI绘画\"这种路径下，启动的时候torch报错，因为中文路径它解析不了。老老实实放D:\ai\sd-webui\这种纯英文路径，问题立刻消失。这个坑我前后排查了三个小时，别再踩。

clone完了别急着启动。先去文件夹里找到webui-user.bat这个文件，右键编辑，里面有几行参数可以改。我个人建议新手先加一行set COMMANDLINE_ARGS=--xformers，开了xformers能省显存提速，稳赚不亏。如果你显存只有8G，再加个--medvram，能跑起来不至于崩。

顺带提一句，如果你对SD生态整体的来龙去脉想有个底，可以看看AI绘画小白入门路径，里面对工具选择和路线图讲得更系统。

下模型：丢对文件夹是关键

底模型下载后丢进models/Stable-diffusion/文件夹，VAE丢models/VAE/，LoRA丢models/Lora/，放错地方WebUI识别不到。这事看着简单，新手最常错。

模型去哪儿下？我推荐两个地方。一是Civitai，社区最大，模型最全，但下载大文件要登录。二是HuggingFace，官方模型多，比如SDXL 1.0的base和refiner都在上面，稳定可靠。底模型我建议先下SDXL 1.0 base，约6.46G，这是目前社区里生态最完整的底模。

据Civitai社区公开的下载排行数据，SDXL系列的realistic vision和DreamShaperXL这俩写实风底模累计下载量都破了百万，可见用户集中度有多高，新手跟着大众选不会出错。

下完模型往文件夹丢的时候注意后缀。.safetensors这个后缀优先用，比.pt和.ckpt安全——.ckpt这种老格式里能塞恶意代码，社区里早就不推荐用了。这点新手容易忽略，提醒一下。

第一次启动：耐心等它下依赖

双击webui-user.bat，它会自动拉torch、transformer等好几个G的依赖，第一次启动等个15-40分钟正常，别以为卡死了。这一步劝退过半数的新手。

头一回启动的时候，命令行窗口会刷一堆进度条，下各种依赖包。这个时间是看网速的，网好的十几分钟，网差能等一小时。中途千万别关窗口，关了依赖下不全，下次启动还得重来。我见过不止一个人在这步以为电脑死机了强关，然后第二天来问我怎么报错，其实就是依赖没下完。

等命令行最后出现Running on local URL: http://127.0.0.1:7860这行字，说明起来了。浏览器自动打开这个地址，能看到WebUI界面——成了。第一次进界面啥都别动，先去顶上模型下拉框选你刚下的SDXL base，等模型加载完（状态栏会提示），就能出图了。

新手第一张图就默认参数，prompt随便写个"a cat"，点Generate，等几十秒出图——能出来说明整个部署链路全通，恭喜你。出不来就回头查报错，多半是模型没加载、显存不够、或者路径带中文这三类问题。

我的提速和避坑私货

开xformers省20%显存、用DPM++ 2M Karras采样器+20步出图够用、把--medvram换成--lowvram只留给6-8G显存卡用。这几条是我反复试出来的。

采样器这块我自己对比过，DPM++ 2M Karras 20步 vs Euler a 30步，前者速度快一截、细节还更扎实，前者是我的默认配置。步数这事不是越多越好，28步以上边际收益断崖式下跌，纯属烧电。

翻车经历最深刻的一次：我装完之后出图特别慢，一张SDXL等了快两分钟，排查半天发现是xformers没装上，fallback到默认卷积，速度差好几倍。后来手动pip装了xformers，速度立刻回到15秒。所以启动参数里那个--xformers不是摆设，是真的有用。

还有个隐形坑，WebUI默认监听7860端口，你电脑上如果还跑了别的占用这个端口的程序，启动会失败报Address already in use。我就遇到过迅雷占了这个端口的情况，关掉就好。这种奇葩问题排查起来很耗时间，提前知道能省事。

对工具选型和整个生态还想多了解一点的，可以翻翻我整理的AI绘画网站清单，里面把常用工具和资源站点分门别类列了，做本地部署的备查很方便。

什么时候别折腾本地，直接用云端或网页版

显卡低于6G显存、或者纯出图不打LoRA、或者一周出不了几张图的，别本地部署，用云端更划算。本地部署不是万能解，要看你用量。

说真的，本地部署最大的价值是隐私和自由——你出什么图没人管，装什么LoRA随意，长期算下来比云端便宜。但你如果只是想玩玩，一个月出不了几十张图，那本地部署的硬件投入不划算，云端按次付费反而省。

我个人觉得，临界点是出图频率。日均出图超过20张，本地的硬件投入摊下来比云端便宜；低于这个量，云端更省心。这个数字是我按RTX 4060 Ti 16G机器+电费，对比国内某云GPU平台按小时计费算出来的，仅供参考。

关于云端和网页版的选择，我之前在整理王者荣耀AI绘画可爱风那篇里顺带提过几个云端平台的对比，想走云端路线的可以参考。

常见问题

AI绘画下载电脑版必须装Python吗？

本地部署Stable Diffusion WebUI必须装Python 3.10.6，它是跑在Python上的。如果你嫌麻烦不想装环境，可以用整合包——有人把WebUI和环境打包成了一键启动的整合包，解压即用，但整合包更新慢、出问题排查难，我个人不推荐长期用。

本地部署AI绘画吃显卡还是吃CPU？

吃显卡，而且吃显存。CPU基本是配角，只要别太老都行。出图速度几乎完全取决于显卡算力和显存大小，CPU和内存是次要因素。所以预算该往显卡堆，别花在CPU上。

启动报错torch not found怎么办？

多半是Python版本不对或者PATH没配好。先确认Python是3.10.x版本（不是3.11以上），再确认装的时候勾了Add to PATH。还不行就手动pip install torch，但要装CUDA对应版本，命令行搜"pytorch官网 install命令"按你的显卡选。

Mac电脑能本地部署AI绘画吗？

能，但用的是基于CoreML的另一套流程，不是AUTOMATIC1111这个WebUI。Apple Silicon（M1/M2/M3）跑SDXL速度比N卡慢不少，但能跑，适合不追求速度的Mac用户。教程得另找，跟Windows这套流程不一样。