AI轻创汇 Stable Diffusion 本地出图系统课案例

背景和目标

AI轻创汇在哔哩哔哩发布了一套 19 章节的中文系统课，目标是让初学者从零开始完成本地 Stable Diffusion 出图，理解"从环境准备到结果修正"的完整链路。课程定位是个人系统教程，而非官方文档。

输入与条件

• 输入：自然语言提示词、负面提示词，可选的参考图片、姿态或结构控制信息。
• 软硬件条件：能在本地部署 Stable Diffusion WebUI 的硬件与运行环境。
• 观察日期：课程发布于 2025-11-07；本案例摘要的整理日期为 2026-07-13。

过程

课程按 19 章节组织，涵盖以下环节：

1. Stable Diffusion 概念与本地运行路径。
2. WebUI 界面与基础参数（模型、采样器、步数、尺寸、随机种子）。
3. 文生图：提示词编写与权重控制 (word:1.2)。
4. 图生图与重绘幅度控制。
5. 局部重绘：修正人物脸、手、边缘、文字。
6. 高清修复 / 放大：Hires Fix 与细节补充。
7. ControlNet 扩展：姿态、深度、边缘等结构约束。
8. 模型与插件的安装与切换。

产物或结果

• 一张由本地 Stable Diffusion 生成的图像，经过结构约束与局部修正后达到可交付质量。
• 一条可复用的"候选—约束—修正—放大"工作流（见 Stable Diffusion 本地出图迭代链（候选—约束—修正—放大））。
• 适用于初学者的完整链路认知，而非单一按钮操作。

限制

• 本案例来源未提供课程字幕、提示词全集或具体出图结果截图，不能据此确认每个 ControlNet 控制类型都被实际演示。
• 模型版本、WebUI 界面、扩展接口截至 2026-07-13 可能已经变化。
• 不同模型与插件对相同提示词可能产生差异显著的结果。
• 下载模型与使用参考图涉及版权与合规问题，见 Stable Diffusion 本地出图的模型来源、版权与时效风险。
• 本案例对应的可商用性不能由课程覆盖范围推定——"覆盖了流程"≠"任何模型都能一次生成可商用成图"。

相关教程和工具

• 创作者：AI轻创汇
• 工具：Stable Diffusion、ControlNet
• 任务：在本地从提示词生成并修正一张 AI 图片
• 方法：Stable Diffusion 本地出图迭代链（候选—约束—修正—放大）
• 风险：Stable Diffusion 本地出图的模型来源、版权与时效风险
• 原始来源：SRC-VISUAL-001：Stable Diffusion零基础入门系统课：从安装部署到AI绘画实战