准备资源文件

我们安装 WebUi 有两个途径，一是哔哩哔哩 Up 主秋叶的一键包，二是原生从仓库拉取安装。前者较适合中国大陆用户。

请保证你的文件夹/路径里面没有中文，否则涉及 Git 的更新/安装操作会失败。

准备环境

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）

对于 Linux 系统，您可能已经预装了 git 和 wget 工具。您可以在终端中运行以下命令来检查它们的版本：

git --version
wget --version

如果没有预装它，可以使用 apt 或 yum 等包管理器来安装它们。例如，对于 Ubuntu 系统，可以运行以下命令：

sudo apt update
sudo apt install git wget

对于 Windows 系统，您可能需要下载并安装 git 和 wget 的可执行文件。可以从这些链接下载它们：

https://git-scm.com/download/win
http://gnuwin32.sourceforge.net/packages/wget.htm

准备程序

一键包下载地址及介绍

启动器正式发布！一键启动/修复/更新/模型下载管理全支持

如果整合包里面没有大模型的话（models 文件夹），可以翻查下面的链接下载一个，放入 sd-webui 启动器、数据整合包、models\Stable-diffusion 即可，如果有 vae 模型一并放入，否则生成的图片会灰蒙蒙的。

WebUi 原生安装

如果你是 Windows 用户，请做好 C 盘暴涨 15GB 的准备。

Linux 平台

先安装依赖

# Debian-based:
sudo apt install wget git python3 python3-venv
# Red Hat-based:
sudo dnf install wget git python3
# Arch-based:
sudo pacman -S wget git python3

使用conda控制环境

如果本地包含多个项目，需要多种Python环境，可以使用 Miniconda 进行环境管理。（ Anaconda 占用较大的系统空间，而 Miniconda 是 Anaconda 的轻量化版本，它只包含最基本的 Python 与 Conda ）

# 创建一个名为 aidraw 的环境，Python版本为3.10.6
conda create -n aidraw python=3.10.6
# 激活/使用这个conda环境
conda activate aidraw
# 首次启动可选参数，--medvram 参数节省一些显存占用（参数详见下文“自定义运行”）
COMMANDLINE_ARGS="--medvram" REQS_FILE="requirements.txt" python launch.py

你也可以运行一键脚本 bash <(wget -qO- https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh) 或者手动克隆 https://github.com/AUTOMATIC1111/stable-diffusion-webui 的仓库：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui

cd stable-diffusion-webui

运行 launch.py 或 webui.py ，前者会自动安装（新）环境。 这个过程可能需要一些时间，请耐心等待。

Windows 平台

首先，您需要下载安装 Python-3.10.6，使用管理员身份安装，安装务必勾选 Add Python to PATH 。

然后安装 git 下载 stable-diffusion-webui 仓库，例如运行 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git 在 Windows 资源管理器中以普通用户（非管理员）身份运行 webui-user.bat

然后，您需要进入这个文件夹，并运行 webui-user.bat（Windows）

这个过程可能需要一些时间，请耐心等待。

Mac 平台

如果你是 Mac 系统，请查看 此教程 进行安装。

具体使用和输出我会在下面解释，现在该配置大模型了。

中国大陆的网络问题

如果你在大陆内采用了原生安装的形式安装 WebUi，那么势必会遇到网络问题。（表现为网卡没有流量经过）

如果你知道 Clash 工具，那么在首页开启 TUN 模式即可解决问题。如果你不了解此工具，请继续往下看。

如果因为链接 Github 失败导致拉取失败。请将：

git clone https://github.com 改为 git clone https://hub.fastgit.org/

使用以下内容配置 Python 镜像地址。

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

也可以通过修改 pip 的配置文件来设置镜像源地址，配置文件的位置和名称根据不同的操作系统而不同，例如：

Linux: ~/.config/pip/pip.conf：

[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

Windows 需要在 User 目录中创建一个 pip 目录，并新建一个文件 pip.ini，也就是 %HOMEPATH%\pip\pip.ini。 在 pip.ini 文件中添加以下内容：

[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

这样就可以让 pip 使用阿里云的镜像源来下载和安装 Python 包了。

了解目录

📁 .
├── 📄 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

对于 Windows 用户，要启动项目，只需要执行 webui.bat。若需要配置环境变量或追加启动参数，则可编辑 webui-user.bat。

对于 Mac 或 Linux 用户，启动项目的方法是执行 webui.sh。同样地，若需要配置环境变量或追加启动参数，则可编辑 webui-user.sh。

配置大模型

让 Ai 绘画必须下载一个模型（比如 AnythingV5），你可以在 civitai 选择一个。WebUi 界面顶部的菜单用于选择模型。

你可以在 stable-diffusion-webui/models/Stable-diffusion/ 中放置你的大模型。

在 stable-diffusion-webui/models/Lora/ 中放入你的 Lora 人物模型。

尝试启动 WebUi

如果你不使用一键启动运行。那么你可以使用以下命令启动 Webui

python3 launch.py --autolaunch

如果你的显卡显存小于 8GB ，那么请附加 --lowvram 参数。

经过稍微的等待后，会输出如下类似的界面。

Model loaded.
Loaded a total of 0 textual inversion embeddings.
Embeddings: 
Running on local URL:  http://127.0.0.1:7860

To create a public link, set `share=True` in `launch()`

其中，http://127.0.0.1:7860 就是本地机器的链接（运行在本地机器上面），剩下的信息是大模型和嵌入模型的加载情况。

打开此地址，你会看到下面的界面：

在这个界面中，打开 extensions 选项卡。点击Avaliable二级选项卡点击 LoadFrom，然后在扩展列表中找到中文扩展并安装即可汉化界面。如果你是一键包版本，那么应该会自带中文扩展。

尝试生成你的第一幅图片

打开文生图选项卡，这里给出一个实例来供你完成测试。

• 第一个输入框中书写期望的结果的描述词汇

可以使用 颜文字 和 emoji，使用 () 来增强权重，比如

((masterpiece)), best quality, illustration, 1 girl, beautiful,beautiful detailed sky, catgirl,beautiful detailed water, cinematic lighting, dramatic angle, Grey T-Shirt, (few clothes),(yuri),(medium breasts),white hair,cat ears,masturbation,bare shoulders ,(gold eyes),wet clothes

• 第二个输入框书写不希望出现的结果

指定需要过滤什么标签，比如

(bad:0.98), (blur:0.81), (normal:0.98), (comic:0.81), (cropped:0.81), (error:0.81), (extra:0.81), (low:0.81), (lowres:1), (speech:0.81), (worst:0.81), 2koma, 3koma, 4koma, collage, lipstick

点击生成按钮即可生成，在终端中会显示进度：

生成报错请读 绘画调试 章节。

生成效果和大模型有关。

第一次认识参数

选定分辨率参数，越大生成耗时越长。

生成后的结果结尾类似如下

Steps: 28, Sampler: Euler a, CFG scale: 7, Seed: 2053144181, Size: 512x512, Model hash: 925997e9, Clip skip: 2, ENSD: 31337

其中 step 代表迭代（渲染）步数。

sample method 采样方法（不同的采样方法有不同的效果和速度）。

cfg scale 符合 prompt 的程度，降低此参数可以提升模型的抽象创造力。

Seed 代表一个随机噪声，相同的种子和程序环境可以生成相近的图片。

一起出现的还有 GPU 负载信息

Time taken: 33.97s
Torch active/reserved: 1975/2144 MiB, Sys VRAM: 7890/8134 MiB (93.61%)

快捷设置

不想来回设置 Clip 参数？

添加 sd_hypernetwork 和 CLIP_stop_at_last_layers 到设置页面的 Quicksettings list ，点击页面顶部的按钮保存，重新启动 webui，你就可以在 Ui 顶部看到一个快速切换选项啦～

需要添加更多快捷设置？

有 Python 代码阅读能力的话则可在 此处 源码中找到各设置定义的名称。

它们通常以将对象 OptionInfo 的实例作为值的字典的键存在。

共享链接

• 使用 --share 选项来在线运行！

你会得到一个 xxx.app.gradio 共享链接，另外你可以使用参数为所述 gradio 共享实例设置身份验证：--gradio-auth username:password

RCE

当使用 --share 参数时，你的实例就可以在公开互联网被访问了。

但是最近有人报告了一个可能是危险的 代码漏洞

所以，你可以使用参数为 gradio 共享实例设置身份验证：--gradio-auth username:password （可提供以逗号分隔的多组用户名和密码）

例子 --share --gradio-auth admin:admin,user1:user_password

使用该例子将会创建两个用户，一个是账号密码为 admin 的用户，另外一个是账号为 user1, 密码为 user_password 的用户

如果攻击者可以访问 ui，他们可能能够远程运行 python 脚本。

10/30 社区报告：有人在扫描公开的 WebUi

11/1 社区反映：共享链接可能会导致风险，攻击者可以访问系统上的所有文件。

你可以通过添加 --freeze-settings 启动参数来锁定设置，防止他人编辑。

• 端口转发

参数 --listen 使服务器监听网络连接。

这将允许本地网络上的计算机访问 UI，如果配置端口转发，公网上的计算机也可以访问（当然你得有公网。

注意，监听 0.0.0.0 就意味着对本地网卡的所有 ipv4 监听，局域网访问请使用 localhost 替换 0.0.0.0

• 监听端口

添加参数 --port xxxx 使服务器监听特定端口。

低于 1024 的所有端口都需要 root 权限，因此建议使用高于 1024 的端口。

默认端口为 7860

• 主题

添加 --theme 参数来切换主题

自定义运行

自定义程序运行方式的推荐方法是编辑 webui-user.bat(Windows) 和 webui-user.sh(Linux)

你可以运行 python webui.py --help 查看所有命令参数，或者在 源码文件 中读到它们。

一些启动参数说明

命令行参数	解释
--xformers	使用 xformers 库。极大地改善了内存消耗和速度。Windows 版本安装由 C43H66N12O12S2 维护 的二进制文件
--force-enable-xformers	无论程序是否认为您可以运行它，都启用 xformers。不要报告你运行它的错误。
--opt-split-attention	Cross attention layer optimization 优化显着减少了内存使用，几乎没有成本（一些报告改进了性能）。黑魔法。默认情况下torch.cuda，包括 NVidia 和 AMD 卡。
--disable-opt-split-attention	禁用上面的优化
--opt-split-attention-v1	使用上述优化的旧版本，它不会占用大量内存（它将使用更少的 VRAM，但会限制您可以制作的最大图片大小）。
--medvram	通过将稳定扩散模型分为三部分，使其消耗更少的 VRAM，即 cond（用于将文本转换为数字表示）、first_stage（用于将图片转换为潜在空间并返回）和 unet（用于潜在空间的实际去噪），并使其始终只有一个在 VRAM 中，将其他部分发送到 CPU RAM。降低性能，但只会降低一点-除非启用实时预览。
--lowvram	对上面更彻底的优化，将 unet 拆分成多个模块，VRAM 中只保留一个模块，破坏性能
*do-not-batch-cond-uncond	防止在采样过程中对正面和负面提示进行批处理，这基本上可以让您以 0.5 批量大小运行，从而节省大量内存。降低性能。不是命令行选项，而是使用--medvramor 隐式启用的优化--lowvram。
--always-batch-cond-uncond	禁用上述优化。只有与--medvram或--lowvram一起使用才有意义
--opt-channelslast	更改 torch 内存类型，以稳定扩散到最后一个通道，效果没有仔细研究。

环境定制

set PYTHON=b:/soft/Python310/Python.exe

set PYTHON 允许设置自定义 Python 路径

set VENV_DIR=C:\run\var\run set VENV_DIR 允许您选择虚拟环境的目录。默认为venv。特殊值-在不创建虚拟环境的情况下运行脚本。

set COMMANDLINE_ARGS=--ckpt a.ckpt set COMMANDLINE_ARGS 设置命令行参数 webui.py 运行 示例使用模型 a.ckpt 而不是 model.ckpt

GPU 指定

选择要使用的默认 Gpu --device-id 0，来代替旧版本 (2022/10 之前）的 CUDA_VISIBLE_DEVICES=0，可以选择第二个 GPU 允许同时运行两个实例，从而能够以更简洁的方式简单地选择设备。

查看 GPU 型号和 CUDA 版本，可以使用 nvidia-smi 命令

API 的基本使用实例

使用 --api 参数运行程序，在浏览器访问 {输出的网址}/docs 就可以查看到 WebUi 的 Api 文档。¹

如果你想让其他应用调用 Api, 追加--enable-insecure-extension-access。

下面是一个同步类实现。

import time
import json
import requests
import io
import base64
from PIL import Image, PngImagePlugin

class WebUiApi(object):
    def __init__(url):
        self.url=url

    def txt2img(payload,outpath:str=None,infotie:bool=True):
        payload_json = json.dumps(payload)
        response = requests.post(url=f'{self.url}/sdapi/v1/txt2img', data=payload_json).json()
        # response 响应包含 images、parameters 和 info,image 可能会含有多个图像。
        for i in response['images']:
            # 解码 base64
            image = Image.open(io.BytesIO(base64.b64decode(i)))
            # 元信息输出
            pnginfo = PngImagePlugin.PngInfo()
            if infotie:
               pnginfo.add_text("parameters", str(response['info']))
            # 保存，因为本地不会自动生成文件。
            if not outpath:
               print("Random file name")
               outpath=f"{str(time.time())}.png"
            image.save(outpath, pnginfo=pnginfo)

payload = {
    "prompt": "1girl,star",
    "steps": 20
}
# 其他参数会使用默认值
WebUiApi(url="http://127.0.0.1:7860").txt2img(payload=payload,outpath="1145.png",infotie=True)

# 实际使用的时候不应该保存到本地再发送，而是直接发送，避免存储图片作品造成 版权 问题。

其他

WebUi 的官方代码仓库地址为 https://github.com/AUTOMATIC1111/stable-diffusion-webui

官方英文安装教程

官方给定的依赖列表

---

1. Basic Documentation and Examples for using API ↩