Stability AI 常见问题与解决方案：我踩过的坑和填坑方法
一切始于一张永远画不好的手
去年我需要给一个客户项目批量生成产品概念图，第一次认真用 Stable Diffusion。结果第一个晚上我就被三个问题搞得快崩溃：生成的人脸是扭曲的、显存直接爆了（OOM 报错刷屏）、好不容易生成一张好图，参数却怎么也复现不出来。
折腾了两周，我把遇到的问题一个个解决掉了。这篇文章就是我当时的笔记整理，希望能帮你少走弯路。
环境准备：先说清楚我用的是什么
- WebUI：AUTOMATIC1111 版本（当时最新版）
- 显卡：RTX 3060 12GB
- 模型：SD 1.5 + 后来换了 SDXL
- 系统：Windows 11
如果你配置类似，下面的方案应该都能直接用。
问题一：CUDA out of memory（显存不足）
这是最高频的问题。报错长这样：
torch.cuda.OutOfMemoryError: CUDA out of memory.
Tried to allocate 2.50 GiB...
我第一次跑 SDXL 就遇到了，因为 SDXL 基础模型就需要 8GB 以上显存，我开着浏览器和一堆后台程序，12GB 根本不够。
解决方案，按我实际使用的顺序：
降低分辨率。1024×1024 是 SDXL 的舒适区，但你可以先用 768×768 生成，再用高清修复放大。
在 WebUI 的启动参数里加这些（修改
webui-user.bat）：
set COMMANDLINE_ARGS=--medvram --xformers
--medvram 会把模型分块加载，我的显存占用从 11GB 降到了 7GB 左右。如果还不够，换 --lowvram，速度会慢一些但能跑。
- 开启 xformers。这个优化注意力计算的库能省 20-30% 显存，还能加速。安装：
pip install xformers
- 别贪批量数量。Batch size 设 4 听起来很爽，但每张图都要占显存。我现在的习惯是 batch size 1 + batch count 8，效果一样，显存压力小得多。
问题二：人脸扭曲、手画不对
这是 SD 1.5 时代的经典痛点。我生成的第一张人物图，手指有六根，脸像被门夹过。
我的解决组合拳：
换更好的模型。这是见效最快的一步。别用原始的 SD 1.5 base，去 Civitai 找评分高的人像模型，写实方向当时我用的效果立竿见影。
加负面提示词。这是很多人的盲区。我的通用负面词模板：
bad hands, extra fingers, deformed, blurry,
low quality, worst quality, mutated, disfigured
用 ADetailer 扩展修复人脸。装好后在设置里启用，它会自动检测人脸区域，裁剪出来单独重新生成再贴回去。装了之后我的面部崩坏率从大概 30% 降到了几乎为零。
手的问题：说实话，SD 1.5 没有完美方案。升级到 SDXL 后改善明显，再加 ADetailer 的手部检测模型，基本可用了。
问题三：参数复现不出来
有次我生成了一张构图特别满意的图，想微调提示词再来几张，结果怎么调都回不到原来那个质量。后来才明白是种子的问题。
关键操作：
- 在 txt2img 页面把 Seed 设为 -1 之外的固定值。每次生成后 WebUI 会显示实际用的种子，点旁边的 ♻️（recycle）按钮可以直接复用。
- 打开 "Extra" 里的 "Variation seed"，让变化种子在 0 到 0.3 之间浮动，可以在保持构图的前提下产生变体。
- 建议开启 PNG Info 功能：把生成图的拖进去，所有参数（模型、采样器、CFG、提示词）自动还原。这是 WebUI 最实用的功能之一，但我用了两周才发现。
问题四：采样器和步数怎么选
刚入门时我被几十个采样器选项搞晕了，随机试浪费了大量时间。
我的实测结论：
| 采样器 | 步数 | 适用场景 |
|---|---|---|
| DPM++ 2M Karras | 25-30 | 日常出图首选，质量稳定 |
| Euler a | 20-25 | 想要多变化的快速探索 |
| DPM++ SDE Karras | 25-30 | 细节更丰富，但速度慢 |
| DDIM | 30+ | 配合 img2img 变化小的时候用 |
CFG scale 我固定在 6-8 之间。之前我误以为越高越“听话”，设到 15 结果颜色全部过饱和、画面发硬。这是新手最常犯的错误之一。
问题五：生成速度慢得离谱
在 3060 上，1024×1024 的 SDXL 图一张要 40 秒以上。优化手段：
- 确认没用 CPU 在跑。启动日志里如果看到
Device: cpu，说明 PyTorch 装的是 CPU 版。重装：
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121
TensorRT（进阶）：NVIDIA 的 TensorRT 扩展可以把 SDXL 推理速度提升接近一倍，但编译过程要 10-20 分钟，第一次配置比较折腾。建议其他都优化完再考虑。
别开多余的扩展。有段时间我装了十几个扩展，启动时间和生成速度都受影响。砍到只用 ADetailer 和 ControlNet 后明显改善。
一些额外建议
- 备份你的配置。WebUI 升级偶尔会出问题，
config.json和ui-config.json记得备份，我吃过一次亏，升级后所有自定义参数丢了。 - 模型文件放对位置。新手常犯的错误是把 checkpoint 放到根目录。
.safetensors文件要放models/Stable-diffusion/，LoRA 放models/Lora/。 - 下载模型认准
.safetensors格式，pickle 格式的.pt/.ckpt文件有安全风险，除非来源完全可信。 - 提示词别堆太长。超过 75 个 token 后会被分段处理，后面词语的权重会变弱，重要内容放前面。
诚实的局限性说明
最后说点实话：Stable Diffusion 不是一个“开箱即用”的工具。上面的方案都是针对 WebUI 本地部署的，显存低于 6GB 的显卡体验会比较挣扎，Mac 用户（尤其 M 系列芯片）的配置路径和 Linux 命令跟我这里写的会有出入。
另外文生图模型的版权和商用授权问题，每个模型在 Civitai 上的许可协议都不一样，商用前一定要看清楚——这不是技术问题，但比技术问题更容易栽跟头。
总体来说，花一两天把环境调顺之后，Stable Diffusion 的工作流是稳定的。我现在的出图效率大概是初期的五倍，主要就是靠上面这些坑一个个填出来的。如果你刚起步，建议按顺序解决：先跑通、再修脸、再调参、最后才考虑速度优化。一步到位的想法往往会让你在错误的地方浪费最多时间。