我从小特别羡慕会画画的伙伴，他们能绘出心中所想，而本人水平最高的肖像画是丁老头。接触 Stable Diffusion 后，我脱胎换骨，给自己贴上了「会画画」的新标签。

Stable Diffusion 是以文本生成图像的 AI 工具，也是唯一一款能部署在家用电脑上的 AI 绘图工具，可以在 RTX 2060 显卡等 6GB 显存（及以上）显卡下运行，并在几秒钟内生成图像，无需预处理和后处理。当然，如果只是想体验 Stable Diffusion，也可以使用在线工具 Hugging Face 和 DreamStudio。与本地部署相比，Hugging Face 需排队，生成一张图约 5 分钟；DreamStudio 可免费生成 200 张图片，之后需要缴费。更重要的是，这类在线工具对图片的调教功能偏弱，无法批量生成图片，只能用于测试体验。

如果想大批量使用，可以像我一样，使用 Docker Desktop 将 Stable Diffusion WebUI Docker 部署在 Windows 系统，从而利用电脑显卡免费实现 AI 文字绘画，不再被在线工具所限制。Mac 同样适用于该方法，并可省略下方的环境配置步骤。

本文以 Windows 平台为例，下面会依次介绍环境配置，Stable Diffusion 安装和基本使用方法。

Docker 环境配置

本方案基于 Docker 配置，而 Docker 实质上是在已经运行的 Linux 下制造了一个隔离的文件环境，它必须部署在 Linux 内核的系统上。¹因此，Windows 系统想部署 Docker 就必须需要安装一个虚拟 Linux 环境，配置 WSL 或启用 Hyper-V。下面会介绍各自的启用方式，二选一即可，我主要用 WSL。

安装 WSL

在管理员 PowerShell 输入命令 wsl --install，之后终端会默认安装 Ubuntu。系统下载时间较长，注意别关机。²安装 Ubuntu 完成后，按提示设置 Ubuntu 账户和密码。

启用 Hyper-V

以管理员身份打开 PowerShell 控制台，输入命令 Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Hyper-V -All。³ 重启电脑后，将开启 Hyper-V。

按系统选择 Docker Desktop 版本，安装后点击左侧的 Add Extensions，推荐使用 Disk usage 扩展，便于管理 Docker 存储空间。

然后，将 Stable Diffusion WebUI Docker 下载并解压到本地硬盘。接着，选择采样模型并下载依赖文件，将其放于 Stable Diffusion WebUI Docker 解压目录中的 model 文件夹。⁴或者，使用阿里云盘下载 聚合版。

• Stable Diffusion v1.4 (4GB), 将压缩包文件重命名为 model.ckpt。
• (可选) GFPGANv1.3.pth (333MB)。
• (可选) RealESRGAN_x4plus.pth (64MB) 和 RealESRGAN_x4plus_anime_6B.pth (18MB)。
• (可选) LDSR (2GB) 和 LDSR 配置，分别重命名为 LDSR.ckpt 和 LDSR.yaml。

将采样模型整理好后，结构如下：

models/
├── model.ckpt
├── GFPGANv1.3.pth
├── RealESRGAN_x4plus.pth
├── RealESRGAN_x4plus_anime_6B.pth
├── LDSR.ckpt

└── LDSR.yaml

启动 Stable Diffusion

配置好 Stable Diffusion WebUI Docker，就可以进入 Linux 环境启动 Docker 容器。不过在此之前，我们需拥有 Stable Diffusion 的 Linux 路径。

Windows 本地磁盘挂载在 Linux 的 mnt 目录下，因此 Windows 的 Linux 路径需先添加 /mnt/ 前缀，把磁盘符号改为小写，并将反斜扛 \ 替换为 /。假设容器位于「D:\Backup\Libraries\Desktop\stable-diffusion-webui-docker」，转换为 Linux 路径则是「/mnt/d/Backup/Libraries/Desktop/stable-diffusion-webui-docker」。

准备好 Linux 路径后，打开 WSL Ubuntu 执行命令 cd /mnt/d/Backup/Libraries/Desktop/stable-diffusion-webui-docker，进入 Stable Diffusion WebUI Docker 解压路径。随后，执行首次容器构建命令 docker compose build，第一次构建容器需要 10 分钟左右。

然后，执行容器再次构建命令 docker compose up --build，把采样模型与 Stable Diffusion 打包进同一容器。构建完成后，命令行提示 Running on local URL: http://localhost:7860/。浏览器打开 http://localhost:7860/，你就可以在本地 AI 生成图片了。

之后，你只需打开 Docker Desktop 就会启动 Stable Diffusion。如果要更新 Stable Diffusion，使用新版 配置文件，按上方步骤重新构建容器即可。

界面说明

Text-to-Image

Text-to-Image 是 Stable Diffusion 依据文字描述来生成图像。

默认使用 Simple 简单模式，点击右侧按钮 Advanced，可查看进阶选项，使用进阶的场景矩阵、面孔修复和分辨率放大等多种功能。

Image-to-Image

Image-to-Image 依据文字描述和输入源图，生成相关的图像。该模式若以素描、结构画为来源图，可充分填充图像细节；若以细节充分的照片为来源图，则会输出差异较大的结果。

Denoising Strength 指与原图的差异度，建议在 0.75-0.9，魔改图片可以设为 0.5 以下。下图中的 Denoising Strength 只有 0.44，整体图片结构与要素没变，但结果如何你看到了。

Image Lab

Image Lab 能批量修正面孔和放大图片分辨率。

Fix Faces 是通过 GFPGAN 模型来改善图片中的面孔，Effect strength 滑块可以控制效果的强度。但实际效果别报太高期许，下图右侧开启了 Fix Faces，只能说勉强有了五官。

Upscale 放大分辨率功能有 RealESRGAN，GoBIG，Latent Diffusion Super Resolution 和 GoLatent 四种模型，其中的 RealESRGAN 有普通与卡通两种模式，可按需选择。Upscale 图片主要消耗 CPU 与内存资源。

使用说明

文字描述图像

Stable Diffusion 的核心功能是以文字内容描绘一个场景或事物，从而决定你的画面中将出现什么。因此，文字描绘是决定图像生成质量的关键因素。接下来，我会以官方文档案例为例，解构描述文字的要素和标准。

样例：A beautiful painting (画作种类) of a singular lighthouse, shining its light across a tumultuous sea of blood (画面描述) by greg rutkowski and thomas kinkade (画家/画风), Trending on artstation (参考平台), yellow color scheme (配色)

• 画作种类：ink painting（水墨画），oil painting（油画），comic（漫画），illustration（插画），realistic painting（写实风）等等。
• 参考平台：Trending on artstation，也可以替换为「Facebook」「Pixiv」「Pixabay」等等。
• 画家/画风：成图更接近哪位画家的风格，此处可以输入不止一位画家。比如「Van Gogh:3」and「Monet:2」，即作品三分像梵高，两分像莫奈。
• 配色：yellow color scheme 指整个画面的主色调为黄色。

除画面描述外，其他要素并非必须。如果你只是简单尝试，甚至可以只输入「apples」。

Prompt matrix

Prompt matrix 是按不同条件组合生成多张相关但不同的画面，可以用于制作视频素材。⁵此时，批次数量的设置会被忽略。

Prompt matrix 官方样例为 a busy city street in a modern city|illustration|cinematic lighting，| 符号后的场景条件将进行排列组合，样例有 2 个场景条件生成 4 张图。

另外，我们可以指定场景条件位置，比如 @(moba|rpg|rts) character (2d|3d) model 表示 (moba|rpg|rts 三选一) character (2d|3d 二选一) model，也就是会生成 3*2 张图片。开头的 @ 是触发指定场景条件位置的符号，不能省略。

常见问题

Docker Desktop failed

未正常关闭 Docker 容器时，下次启动可能会报错 Docker Desktop failed to stop 。在 PowerShell 中输入关闭 WSL 和 docker-desktop 命令，可以修复该问题。

wsl --shutdown
wsl -l -v
wsl --unregister docker-desktop
wsl -l -v

端口访问被拒

Docker 容器原本运行正常，端口访问突然被拒绝了，显示 Error response from daemon: Ports are not available: exposing port TCP 0.0.0.0:7860 -> 0.0.0.0:0: listen tcp 0.0.0.0:7860: bind: An attempt was made to access a socket in a way forbidden by its access permissions。

在 Powershell 中输入 netsh int ipv4 show excludedportrange protocol=tcp 检查是否处于被排除端口范围，然后输入 reg add HKLM\SYSTEM\CurrentControlSet\Services\hns\State /v EnableExcludedPortRange /d 0 /f 开启端口。操作完成后，重启电脑即可解封端口。⁶

FileNotFoundError

再次架构容器时报错 FileNotFoundError: [Errno 2] No such file or directory: '/models/model.ckpt'，这是架构位置错误导致的。此时，我们需要检查是否通过 WSL 输入的架构命令，并且 Stable Diffusion WebUI Docker 解压路径是否配置正确。

最后

Stable Diffusion 还不能作为生产力工具，但它让设计变得简单，也让更多普通人打开了 AI 绘画的可能性。推荐大家实际部署玩下，让自己拥有更多的可能。

题图来自 Stable Diffusion

关联阅读

• GitHub Copilot：革命未竟，未来可期
• 用 AI 为图片「摘下面纱」，waifu2x 如何拯救你的 macOS 修图体验

> 下载 少数派 2.0 客户端、关注 少数派公众号，解锁全新阅读体验 📰 

> 实用、好用的 正版软件，少数派为你呈现 🚀