在开始之前，你需要以下条件。

一个 Windows、Linux 或 MacOS 的操作系统
一个安装了 Git、Python 和 Wget 的环境
一个有足够空间（至少 30~40GB）的磁盘或目录
一张至少 4GB 显存的显卡
剩余足够 10GB 的内存（WebUi 使用过程中会逐步增加内存占用）

截至博客发表时间，Stable Diffusion 3.5 Large早已发布。

link: https://huggingface.co/stabilityai/stable-diffusion-3.5-large

这里我们使用通过WebUi来进行Stable Diffusion的使用。

windows安装使用教程

通过git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git 拉取代码，安装好python3.10,然后进入项目文件夹，执行webui-user.bat。

需要注意的是，这种方式安装在不使用魔法的情况下，极有能下载失败。

目录结构如下

📁 .
├── 📄 config.json
├── 📄 environment-wsl2.yaml # Windows Subsystem for Linux 的环境配置
├── 📁 extensions
│   ├── 📄 put extensions here.txt
│   └── 📁 stable-diffusion-webui-localization-zh_CN
├── 📄 launch.py
├── 📄 LICENSE.txt
├── 📁 models # 存储各类模型的目录
│   ├── 📁 aesthetic_embeddings # 美学嵌入模型
│   ├── 📁 Codeformer
│   ├── 📁 deepbooru # 深度图库标签分类模型
│   ├── 📁 ESRGAN # 增强超分辨率生成对抗网络模型
│   ├── 📁 GFPGAN # 基于 GAN 的人脸修复模型
│   ├── 📁 hypernetworks # 超网络模型
│   ├── 📁 LDSR # 轻量残差网络模型
│   ├── 📁 Lora # Lora 模型
│   ├── 📁 ScuNET
│   ├── 📁 Stable-diffusion # 稳定扩散模型
│   ├── 📁 SwinIR # 轻量级基于 Swin Transformer 的增强超分辨率模型
│   ├── 📁 VAE # 变分自编码器模型
│   └── 📁 VAE-approx # 变分自编码器的近似计算模型
├── 📁 outputs # 存储各类输出结果的目录
│   ├── 📁 img2img-grids # 由图生图模型生成的网格图（2x2）
│   ├── 📁 img2img-images # 由图生图模型生成的图像
│   ├── 📁 extras-images # 额外的生成图像
│   ├── 📁 txt2img-grids # 由文本生图模型生成的网格图（2x2）
│   ├── 📁 txt2img-images # 由文本生图模型生成的图像
│   └── ... # 其他目录
├── 📁 repositories # 目录缓存
├── 📄 requirements.txt # pip项目依赖
├── 📄 style.css  
├── 📄 styles.csv
├── 📄 styles.csv.bak
├── 📄 ui-config.json
├── 📄 webui.bat # Win 运行脚本
├── 📄 webui-macos-env.sh # macOS 默认环境配置
├── 📄 webui-user.bat # Windows 启动用户脚本配置
├── 📄 webui-user.sh # Linux & Mac 启动用户脚本配置
├── 📄 webui.py 
└── 📄 webui.sh # Linux & Mac 运行脚本

在脚本初始完毕之后就能看到 http://127.0.0.1:7860 这个地址，并且在浏览器中打开。

然后根据需要，下载需要的模型文件到models文件夹。

留言列表

留言板