企业官网建设流程全解析

如果你最近刷手机，看到那种耳朵毛茸茸、眼神又凶又甜的猫娘壁纸，大概率不是某个画师爆肝画的，而是AI跑出来的。没错，说的就是Stable Diffusion，一个免费开源、跑在自己电脑上的AI绘图工具。这篇内容的目标很明确：让完全没碰过AI绘画的零基础用户，用它画出一张能当壁纸的高清猫娘图。不需要会代码，不需要理解复杂的模型原理，我会把操作步骤和背后的逻辑一起讲清楚。适合想学AI绘画但不知道从哪下手的小白、只会用在线网页生成但觉得不够自由的玩家，以及已经在抽卡但总是脸崩、手残、提示词无效的苦手。这篇不是概念的罗列，是我玩了大半年、踩过一堆坑之后整理出的实战路线。

1. 先别急着下载软件，把这几个思路理清楚

1.1 Stable Diffusion 到底是什么：一个“从雪花噪点里显影”的暗房师傅

可能你已经听过“扩散模型”这种词，被吓住了。这里用一个生活化类比解释。老式暗房冲洗照片时，底片上看不到画面，要放进显影液里，影像才慢慢浮现。Stable Diffusion做的工作正好反着来：它训练时不断给图片加噪点，直到图完全变成一版雪花点；使用时，就从这版纯噪点出发，一步步把画面“擦”出来，边缘从模糊到清晰，最后浮现出你要的猫娘。

所以千万不要把它当成搜索引擎，或者一个“图库查图工具”。你给它提示词，它不是去库里翻一张最像的图改一改，而是每一次都真正“从无到有”地画一张新图。这也解释了为什么同一套提示词，每次生成的图都会不一样——因为每次都是从随机的噪点开始，重新走一遍显影流程。

1.2 为什么偏偏用它画猫娘壁纸：可控、免费、还不受平台限制

用网站在线生成猫娘图，实际用了就会发现几个问题：免费额度少，点几次就开始让你等；风格固定，平台内置的模型十有八九是综合模型，二次元化程度有限，很难调出真正“对味”的猫娘；成图通常会被压缩，想要大一点的分辨率直接提示付费。本地部署的Stable Diffusion则完全反过来：软件和模型都在自己电脑上，想跑多少跑多少，模型随便换，LoRA随便加，画风、人物细节全由自己控制。

有人一听“本地部署”就以为要写代码、配环境，其实不是。现在开源社区有很成熟的图形界面，双击启动，浏览器操作，体验和在线网站几乎一样。真正卡住新手的地方不是技术，是“不知道第一步该做什么、参数怎么填”。这篇就是来解决这个问题的。

1.3 本地跑还是云端在线：零基础这样选

在动手下载前，先判断一下你的设备情况。我的建议是：

• 显卡是主流N卡，显存4G以上，硬盘能留出20G以上，优先本地部署。这是最自由的方案。
• 显卡太老，显存只有2G左右，就别折腾本地了，老老实实先用云端工具体验，或者先用别人的网页版感受下提示词怎么写。
• 只是图新鲜、想在手机上看个效果，那云端就够，但别指望云端版能像本地一样随时换模型、加LoRA。

本地部署还需要注意：内存建议16G往上，太小了容易在生成大图时报错；硬盘留够空间，一个模型文件2到7G很正常，再加几个LoRA和VAE，20G说不紧张是假的。另外，如果你的电脑是A卡，不是不能跑，但需要额外的配置步骤，新手阶段我默认推荐N卡，最省心。

1.4 硬件要求到底多高：别被“需要很大显存”劝退

很多人一听“AI画图”，第一反应是“显存得几十G才带得动吧”。实测下来，显存的确很重要，但没你想的那么夸张。普通Stable Diffusion模型在4G显存就能稳定出512x512或512x768的图，6G可以跑768x768，8G以上可以尝试SDXL或高清修复大尺寸图。真正吃显存的是放大修复、训练、ControlNet这些进阶功能，基础文生图的压力没有想象中大。

如果显存确实不够，也有办法挤一挤：启动参数里加上--medvram或者--lowvram，它会强制降低显存占用，只是单张出图速度会慢一些。千万不要因为“显存才6G”就放弃，这个配置跑猫娘壁纸完全够用。

2. 画一张合格猫娘壁纸的前提：模型、提示词、参数

2.1 模型选型：大模型、VAE、LoRA，三样东西是什么关系

很多新手在第一步就懵：怎么界面上有那么多模型可以选？这里的知识其实就三块。

第一块是大模型，也就是基础模型文件，后缀通常是ckpt或safetensors，大小在2到7G之间。它是整个系统的“画师大脑”，决定整体画风和基础能力。这里建议零基础玩家选社区里那种口语化叫“动漫大模型”的类型，默认就出二次元风格，猫娘这类题材非常出效果。先不要追求最新架构或各种新名词，等你跑顺了、知道提示词怎么写之后，再进阶不迟。

第二块是VAE，名字听着复杂，作用一句话：负责颜色解码。没加载VAE，生成出来的图画质正常但颜色经常偏灰、偏淡，尤其是皮肤和毛发会显得“脏”。现在很多整合包默认配好了，但你最好检查一下设置界面里的VAE选项，确保不是“None”。

第三块是LoRA，可以把它理解成“画风或角色外挂包”，体积很小，几十到几百M不等。你不需要换大模型，只要在提示词里调用LoRA，就能给猫娘加上特定画风、服装甚至角色脸型。这个后面会单独说。

文件放哪儿很关键：大模型放到models/Stable-diffusion/，VAE放到models/VAE/，LoRA放到models/Lora/。放好后在界面右上角点一下刷新模型列表（不是重启软件），就会自动出现。

2.2 提示词：让AI听懂你想画什么

提示词是新手最关心、也最容易误解的地方。它不是让你写英文作文，而是把关键词堆在一起。越结构化的写法越稳定，大家常说的一个万能公式是：画质词 + 主体 + 主体特征细节 + 动作/表情 + 环境光效 + 画风。

翻译成实际Prompt就是这样：

masterpiece, best quality, ultra detailed, 1girl, solo, cat ears, white hair, blue eyes, long hair, bangs, smile, looking at viewer, sitting on windowsill, soft lighting, sunlight, anime style, highres, 8k wallpaper

逐个拆一下：masterpiece和best quality是画质词，相当于跟AI说“认真点画”；1girl表示一个女孩；solo表示画面只有她一个，避免乱加路人；cat ears、tail是猫娘关键特征；white hair、blue eyes是外观控制；smile、looking at viewer是表情和视角；最后是场景和光效。注意，画质词和特征词最重要，环境词可以自由替换，不会影响主体表现。

同时要写好负向提示词，告诉AI你不想要什么。下面这组是我一直用的基础底子：

lowres, bad anatomy, bad hands, text, error, missing fingers, extra digits, fewer digits, cropped, worst quality, low quality, jpeg artifacts, signature, watermark, blurry, out of focus

这里面bad hands、missing fingers、extra digits要特别保留，SD画手的时候真的容易长出六根手指。负向提示词能显著降低这类翻车概率。

关于权重，(word:1.2)这种格式代表把某个词加强到1.2倍。我会建议只在关键地方用1.1到1.3，比如(masterpiece:1.2)、(cat ears:1.2)，加得太重会让画面变得浓烈、拥挤，反而不好看。

2.3 参数：一次搞懂采样器、步数、CFG、seed

切到右侧的参数面板，有四个东西你必须认识。

第一个是采样器（Sampler）。新手别纠结，直接选DPM++ 2M Karras或Euler a。前者画质稳定，适合正式出图；后者随机性大，适合快速抽卡找灵感。至于其他各种花里胡哨的采样器，等你熟悉了再试。

第二个是步数（Steps）。不是越多越好，实测20到30步之间画质差异已经很小了，再往上只会白白增加时间。熟悉之后可以直接固定在28步，省心。

第三个是CFG（提示词相关性）。默认7左右。数值越高，画面越死板地跟着提示词走，但太高会让饱和度过度、画面发脏；数值太低，AI就听不懂你在说什么。我一般在5到8之间调整，很少动到10以上。

第四个是seed，随机种子。同一套提示词和参数，固定seed，就能得到一模一样的图；想换一张，点骰子刷新seed，或者把seed设为-1表示每次随机。这个功能最大的用途是：当你调出一个喜欢的画面，但细节不满意，可以把seed固定下来，只微调提示词，这样其他不变，只有改动点发生作用。

还有一个重要开关是Hires. fix（高清修复）。思路是先生成一张小图，再用小图作为基础重新放大补充细节。这个后面实操时会详细说。

3. 零基础实操：从启动软件到导出壁纸

3.1 启动WebUI并完成基础设置

现在假设你已经拿到了带图形界面的整合包。Windows下通常是解压后双击webui-user.bat，首次启动会下载依赖、加载模型，浏览器会自动打开http://localhost:7860这个地址。这个界面就是你的“工作台”，以后所有操作都在这完成。

第一次启动慢很正常，很多新手以为卡死了，其实是在初始化环境。启动完成后，先做三件事：第一，在左上角切换大模型到你下载的动漫模型；第二，检查VAE设置是否正确；第三，把界面语言切到中文，后续参数看得明白。

第三步是打开“设置”里的“保存参数到图片的PNG信息”，这样每张图都自带完整生成参数，以后就算忘了怎么画的，拖进“PNG Info”标签就能看到全部。这是SD最好用的记忆功能。

3.2 第一张猫娘：完整的提示词方案

打开“文生图”标签，左边是提示词，右边是参数。先把上面的Prompt复制进去，参数按下面的方案填：

采样器：DPM++ 2M Karras 步数：28 CFG：7 尺寸：512 x 768 批量数量：4

为什么要512x768？因为SD1.5系列模型原生训练分辨率就是512级别，直接拉高到1024很容易出现多人、双头、肢体扭曲。512x768是竖构图，适合做手机壁纸的底图，先把画面跑出来最重要。批量数量设为4，是为了同时生成4张候选图，提高挑到好图的概率，这就是“抽卡”。

点一下“生成”。如果显存不够或报错，就去启动参数里加--medvram，重启后再试。第一批结果出来之后，不要急着放大，先挑一张五官、耳朵、整体构图最顺眼的，其余的先放一边。

我用这个流程跑过很多次，最开始因为不好意思“抽卡”，总想一次出完美图，结果反复调提示词，时间都花在等待生成上了。后来才明白AI绘画的本质就是“抽卡+海选”，批量多试，再挑最好的，效率远高于死磕一张。

3.3 放大与修复：把512px小图变成高清壁纸

512x768直出的图当微信头像可以，当壁纸就糊了，所以必须放大。有两类常用方案。

第一类是文生图自带的Hires. fix。打开开关，把“放大倍数”设为2，重绘幅度设到0.4到0.6。它的原理是先按原逻辑生成512的小图，再在小图基础上重新绘制一遍，补出新细节，所以最终分辨率约等于1024x1536，画面细节会自然很多。缺点也同样来自“重新绘制”：重绘幅度太高，五官容易漂移变形；太低，则只是简单插值，没有新增细节。建议从0.5开始试。

第二类是放在“附加功能”里的Upscaler。这属于纯超分放大，不重绘，只把网格细节补一补，速度更快。我自己的习惯是：抽卡阶段不开Hires. fix，免得每张图都等很久；选好图之后，“发送到附加功能”用Real-ESRGAN这类超分模型放大2到4倍，把分辨率抬上去。如果放大完觉得细节不够，再用图生图局部重绘去补。

3.4 扩展构图：生成一张真正的“壁纸”

手机壁纸一般是9:16（如1080x1920），电脑壁纸是16:9（如1920x1080），而SD1.5直出常见的比例是1:1、3:4，直接拉比例必然变形。所以要把构图扩展成“壁纸”，不要想着一步到位设一个巨大分辨率，而是要分步处理。

先说手机壁纸的做法：在文生图里维持512x768抽卡，挑好图后，把目标尺寸改成768x1280（接近9:16），开Hires. fix，放大倍率设到1.5到1.67，重绘幅度略高到0.6左右。这样相当于在拉宽画布的同时，让AI重新补全上下区域的背景，主体大概率能保留，但脸有时会微变，这就需要反复挑seed。

电脑壁纸的做法类似，但方向不同：512x768是竖图，要的是16:9横图。有两个思路：一是用图生图的Outpaint（外绘）功能，把左右两边画布扩展到目标宽度，让AI补出背景；二是生成时就刻意把猫娘画在画面中偏左或偏右的位置，然后后期用图像编辑软件扩展另一边，填上渐变或相似背景。前者的好处是全AI完成，后者的好处是主体不会变形。

这里必须提醒一句：不管用哪种方案，构图时一定要给主体留出足够空间，不要把脸卡在画布边缘，否则放大或外绘后很容易出现半张脸被裁掉的惨剧。我的经验是主体中心尽量保持在画面中央40%左右的区域。

3.5 不满意怎么办：图生图局部重绘

哪怕参数对了，也会有细小翻车，比如眼睛歪了、手指多了一根。这时候别急着重新抽卡，用Inpaint（局部重绘）最方便。

操作流程是这样的：把文生图生成满意的图发送到“图生图”标签，切到Inpaint模式，用画刷在需要修复的区域涂抹（比如坏手），提示词里简单写hands，尺寸保持和原图一致，重绘幅度设在0.4左右，点击生成。SD只会重绘涂抹的部位，其他区域保持不变。这个功能就是我常说的“后悔药”，尤其适合修复一张整体构图很满意的壁纸底图。

实际使用中有个细节：涂抹范围不要太大，越精准越好。如果整只手都坏了，就全涂；如果只是食指怪，那就只涂食指那一小块。涂得过大，重绘时容易把附近的衣领、袖口也改掉。

4. 常见问题与排查实录

4.1 报错与显存问题

最常见的是CUDA out of memory。一看这行字就说明显存爆了。处理办法按顺序试：降低生成分辨率，例如从768x768回退到512x512；关掉ControlNet、Hires. fix这些大消耗功能；启动时加--medvram，这招通常能让6G显存在边缘操作稳下来。如果还不行，就是真硬件上限了，别硬撑，换云端或降低规模。

第二个常见问题是“启动后一直停在加载页面”，新手很容易等得不耐烦。实际第一次启动需要初始化模型，在性能一般的机器上2到3分钟都有可能，这个等待是正常的。如果连续5分钟以上没动静，再看日志最后一行是不是有报错关键词。

第三个情况是生成中途卡死或进度条卡99%。这种多是VAE或某个临时目录权限问题，也可能是可用内存不足。最简单的排查动作是检查任务管理器里内存占用，关掉其他大程序，再重试。

4.2 质量和崩坏问题

画面崩坏主要集中脸和手。脸崩的典型表现是眼睛错位、五官比例怪，负向提示词里要确保有bad face, deformed iris。手崩的突出表现就是手指多、手指粘连，负向里必须有extra fingers, mutated hands。如果还是压不住，那就直接局部重绘或交给插件级的面部修复工具处理，不要跟提示词死磕。

颜色灰蒙蒙，十有八九是VAE没加载。检查设置里的VAE选项，如果显示“无”，就手动选你下载的那个。颜色过度饱和、发黑发脏，则优先怀疑CFG调得太高，把它降到6到7之间看看。

还有一个很容易忽略的：画面出现重复主体或多张脸。这通常是因为分辨率超出了模型原生训练范围，比如SD1.5硬拉1024以上。这时优先降低生成分辨率，再用Hires. fix放大，而不是一味把尺寸拉大。

4.3 模型和画风不对的排查

如果生成的图仍然是真人风格而不是二次元，第一步不是改提示词，而是检查左上角的大模型是否真的切到了动漫模型。很多整合包默认加载的是写实模型，新手没注意就会一直跑出真人脸。

LoRA加上了但是看不出效果，要检查两个方面：一是LoRA文件是否真的放在models/Lora目录并且刷新了列表；二是在提示词里是否真的出现了<lora:文件名:权重>这种调用代码，并且权重不要低于0.5。我见过太多人说“我加了LoRA但没反应”，结果一看，提示词里压根没写调用。

4.4 常见问题速查表

5. 让猫娘壁纸更好看的几个进阶技巧

5.1 用LoRA精准控制猫娘特征

基础模型里能生成猫娘，但猫娘的“可爱度”其实大头靠LoRA。打开LoRA选项卡，选中一个猫娘专用的LoRA，WebUI会自动向提示词里插入调用代码，格式类似<lora:catgirl_v1:0.8>。这个0.8就是权重。权重太高，整体画风会被LoRA带偏，甚至出现色块或妆容过重的问题；权重太低，特征又不够明显。我的习惯是先从0.7开始，不满意再按0.05的幅度调整。

用LoRA还有个好处：同一个大模型不换，只要换不同的LoRA，就能让猫娘从银发变成黑发，从短耳变成垂耳，相当于给同一个画师换了不同的人设卡片，而不用重下整个大模型。这是本地版最“香”的功能之一。

5.2 用ControlNet控制姿势和构图

抽卡最不可控的就是姿势和构图，尤其是你想让猫娘站姿、坐姿、侧身各有不同，只能碰运气。ControlNet就是为了解决这个问题设计的：它允许你用一张参考图（骨架图、涂鸦、深度图等）来约束生成画面的结构。

举例来说，你觉得上一张全身猫娘图构图不错，但想要她双手合十、跪坐的姿势，就可以先用另一张图或直接画一张骨骼线图，把它拖到ControlNet面板，预处理选OpenPose，模型选对应的控制模型，权重设0.6到0.8，回到文生图生成。这样SD在出图时会严格跟随姿势骨架，人物姿态不会乱飞。壁纸构图中，控制主体位置也靠它。

不过ControlNet不是新手第一步就必须用的功能，它涉及额外模型下载和参数调节，有一定学习成本。我建议先把基础流程玩熟，再把它加进来，乐趣会大很多。

5.3 批量生成候选图，不用一张张抽卡

SD自带一个“脚本”区域，其中X/Y/Z plot这个脚本很适合批量尝试不同参数。举个例子，你想知道LoRA权重0.6、0.8、1.0哪个效果最好，就在X轴上填lora:catgirl_v1，在X值里填0.6, 0.8, 1.0，然后生成。它会自动把3张图排成一排，形成对比图，省去你一张张手改参数的时间。

调参阶段用这个脚本非常高效，先把变量控制住，一次看一批，就能很快锁住自己偏好的参数组合。等目标准确了，再固定参数去批量抽图。

5.4 图片整理与素材管理

AI绘画出图太快，时间一长，文件夹全是图，想找一张满意的反而翻半天。这里分享我的习惯：每一张你最终想保留的图，都用WebUI的保存按钮存到带有PNG信息的文件中；过一段时间，把所有喜欢的图分批扔进PNG Info标签，把参数梳理进一个表格，记录“这张图亮点是什么、用了什么LoRA、想复现的话调哪些参数”。

这个习惯一开始看很麻烦，但实操中价值极高。因为SD的随机性很强，一张满意的图如果当时没记录参数，一星期后想复现，简直是大海捞针。

另外，同一次“抽卡”中批量生成的4张图，我会把不想要的直接删掉，只留候选。硬盘空间再好也不够无休止堆图，定期清理比什么都重要。

最后再分享一个经验

如果你是从这篇文章开始接触AI绘画，我强烈建议你不要一上来就追求“一张完美壁纸”，那会非常挫败。先按“抽卡海选、选优精修”的流程走：批量出图挑3到5张，选最满意的图，然后放大、局部修复、扩展构图。我第一次跑猫娘时，对着参数面板发呆十分钟，好不容易生成出来，耳朵糊成两只角，当时差点弃坑。后来摸清套路，才知道问题不在提示词，在于想“一步出神图”。AI绘画的乐趣恰恰在于它既有抽奖的刺激，又有调参的掌控感，标题里“零基础也能画成壁纸”不只针对技术，也是针对那条“先跑通、再跑好”的心态。希望这篇能帮你少踩点坑，尽早把属于自己的猫娘壁纸换到手机上。