stable-diffusion-webui
AUTOMATIC1111/stable-diffusion-webui加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
2023年的某个深夜，一位独立游戏开发者坐在电脑前，为了给游戏角色设计一张宣传海报，对着Midjourney反复调整提示词——第17次，终于得到了一张还算满意的图。但问题是，她不知道用什么工具保存、不知道参数记在哪里、更不知道怎么在此基础上微调。"我只是想要一张赛博朋克风格的女猎人，有机械义肢，背景是霓虹雨夜。"她后来在Reddit上这样描述自己的需求。
如果有一款工具，能让你在浏览器里点点鼠标，就完成这一切呢？
AUTOMATIC1111/stable-diffusion-webui 正是为解决这个问题而生。它将原本需要命令行操作的 Stable Diffusion 模型，变成了一个普通用户也能轻松上手的网页界面。截至目前，该项目已在 GitHub 斩获超过 16 万颗 Star，Fork 数超过 3 万，是 AI 生成图像（AIGC）领域最具影响力的开源项目之一。
图1：Stable Diffusion Web UI 主界面，txt2img 标签页默认界面
AUTOMATIC1111 是一个匿名开发者（或者开发团队）的 GitHub 账户名。项目于 2022 年 8 月正式创建，正值 Stable Diffusion 2.0 发布的当口。那时候，想用 Stable Diffusion 生成图片，开发者需要自己写 Python 脚本、配置模型路径、理解采样器参数——技术门槛劝退了绝大多数普通用户。
AUTOMATIC1111 决定做一款"傻瓜式"界面。他在 GitHub 仓库的 README 中写道："A web interface for Stable Diffusion, implemented using Gradio library."（一个基于 Gradio 库实现的 Stable Diffusion 网页界面）。简单到不可思议的描述，背后却是极其复杂的功能实现。
2022年底，随着 AI 绘画热潮在全球爆发，SD WebUI 的用户量呈现指数级增长。用户社区非常活跃，GitHub 上的 issue 和 PR 数量居高不下，说明这个项目至今仍在持续迭代维护。
如果把 Stable Diffusion 看作一支高科技画笔，那么 AUTOMATIC1111 WebUI 就是这个画笔的操作台。
想象一下：传统绘画软件（如 Photoshop）的工具栏上，有画笔、橡皮擦、图层、滤镜等功能按钮。而在 SD WebUI 中，这些按钮变成了采样方法（Sampler）、提示词编辑器、图像修复（Inpainting）、图像扩展（Outpainting）等针对 AI 生图的专门控件。
打个更生活化的比方：如果把 Stable Diffusion 比作一台咖啡机，SD WebUI 就是咖啡机的操作面板——上面有水温、研磨度、奶泡量等旋钮，你不需要知道咖啡机内部怎么工作，只需要知道"水温调高一点会更苦"就够了。
最基础的功能是 txt2img（文生图）：在提示词框中输入"一个穿西装的猫绅士"，选择模型和采样器，点击生成，AI 就会画出一张图。
img2img（图生图） 则是另一项杀手级功能：你可以上传一张已有的图片，让 AI 在此基础上重新生成。比如上传一张模糊的自拍照，选择"细节增强"，AI 会输出一张高清版本；或者上传一张简笔画，让 AI 补全细节变成真实照片。
Inpainting（局部重绘） 允许你"擦除"图片的某个区域，然后在空白区域重新生成内容。比如一张风景照中的天空不够好看，用画笔工具涂抹天空区域，输入提示词"绚丽晚霞"，AI 就会只重绘这一部分，保留其他区域不变。
Outpainting（无限扩展） 则相反：AI 可以在现有图片的边缘向外"生长"出新内容，一张正方形图片可以变成全景宽幅图片，接缝处自然无缝。
Textual Inversion（文本反演） 技术允许用户训练自己的"概念嵌入"——比如上传 10 张自己设计的角色图，让 AI 学习这个角色的外貌特征，然后可以用文字提示词随时调用这个角色形象，而不需要上传参考图。
LoRA（Low-Rank Adaptation） 则是更强大的微调技术，可以训练出特定艺术风格（如吉卜力动画风格）、角色特征或物体外观的文件。社区里有大量免费 LoRA 模型可供下载，一个几百MB的文件就能让 AI 掌握一种全新的创作风格。
SD WebUI 内置了多款图像放大算法（RealESRGAN、SwinIR、LDSR 等），可以将低分辨率图片无损放大 2-4 倍。同时集成了 GFPGAN 和 CodeFormer 两种面部修复模型，专门处理 AI 生成人物时常见的"面部扭曲"问题。
对于研究者和高级用户，X/Y/Z Plot 功能允许一次性生成多组参数对比图——横轴是不同的采样方法，纵轴是不同的提示词变体，所有排列组合一次展示，方便找到最优参数配置。
优点：WebUI 本身安装非常友好。Windows 用户只需下载官方提供的 release 包，双击 webui-user.bat 即可自动安装依赖并启动；Linux/macOS 用户运行 webui.sh 或 webui-macos-env.sh 同样简单。安装过程全自动，不需要手动配置 Python 环境。
缺点：运行 Stable Diffusion 模型有极高的硬件门槛。一张 NVIDIA 显卡是必需品，且显存至少 6-8GB 才能流畅运行主流模型（官方称最低 4GB 可运行，但实际体验会很差）。没有 GPU 的用户只能选择云端部署方案（如 Google Colab、AWS 等）。
部署难度评分为"中等"，主要卡点在于 GPU 环境配置和约 5-10GB 的模型文件下载。对于有 NVIDIA 显卡的用户，从零到生成第一张图通常在 30 分钟内可以完成。
SD WebUI 的本地运行需要持续消耗大量电力。一张 RTX 3090 在全速生图时功耗可达 300-400W，长时间运行相当于一台小型电暖器。随着 AIGC 应用大规模普及，其能源消耗和碳排放问题引发了环保人士的担忧。
与所有强大的人脸生成工具一样，SD WebUI 存在被滥用的风险。用它生成逼真的名人照片、制作虚假新闻图像甚至色情内容，在技术上是完全可行的。虽然项目维护者在代码中加入了一定的安全过滤机制，但开源属性决定了这些限制可以被绕过。
项目采用 AGPL-3.0 开源许可证，这意味着任何基于该项目修改再发布的衍生作品，也必须开源。对于商业公司而言，这意味着如果他们直接基于 SD WebUI 开发产品，就必须开源自己的代码，这也是为什么很多商业产品选择"参考学习"而非直接使用。
AUTOMATIC1111 WebUI 本质上是一个"功能聚合界面"，而非底层模型优化。它的优势在于功能丰富，但也意味着每次生图都要经过 Gradio 界面层，响应速度比纯 API 调用慢。此外，由于代码结构复杂，第三方插件开发门槛较高，社区插件质量参差不齐。
AUTOMATIC1111 WebUI 的出现，标志着 AI 生成图像从"科研论文里的demo"变成了"每个人电脑里的应用"。它将原本需要 Python 编程基础才能使用的 Stable Diffusion，封装成了点击即用的网页界面，大幅降低了使用门槛。
从数据来看，项目 Star 数从 2023 年初的 5 万增长到如今的 16 万，这个增速本身就说明问题了。它不仅吸引了普通用户，也成为 AI 艺术创作者、游戏开发者、独立设计师的日常工具。
SD WebUI 的普及带动了一整个周边生态的繁荣：
AUTOMATIC1111 WebUI 证明了开源社区在 AI 领域同样可以做出顶级产品。在 Midjourney、DALL-E 等商业产品占据主流的市场环境下，它凭借完全免费、功能全面、社区活跃等优势，守住了大量对开源有执念的用户群体。
从代码层面看，SD WebUI 采用经典的 Python + Gradio 架构：
modules/ 目录下按功能拆分为 100+ 个独立模块（sd_models.py 模型加载、processing.py 生图流程、ui.py 界面渲染等）extensions/ 目录），社区可自由开发功能插件/sdapi/v1/ 系列 API，可被其他程序调用实现自动化生图代码质量评分较高：模块化程度高、注释较为完善、版本维护规范。但测试覆盖率信息不详，依赖较多外部模型文件，部署复杂度客观存在。
AUTOMATIC1111/stable-diffusion-webui 是 AI 生成图像领域最具标志性的开源项目之一。它用 Gradio 框架将 Stable Diffusion 打造成了一个功能完备的网页应用，从文生图、图生图到局部重绘、模型微调，覆盖了 AI 绘画的几乎所有主流场景。
适合人群：有 NVIDIA 显卡的 AI 艺术爱好者、独立游戏/内容创作者、想本地部署 Stable Diffusion 的开发者。
不适合：没有 GPU 的用户、商用场景下对稳定性和支持有较高要求的团队。
如果你有一张还算不错的显卡，想要探索 AI 绘画的无限可能，SD WebUI 依然是目前最值得上手的工具——功能最全、社区最活跃、文档最丰富。16 万 Star，不是白给的。