雨夜里的第一张本地图：先把环境搭稳
昨晚十点半，窗外的雨敲在空调外机上，像一段没调好节拍的鼓点。我面前是一台RTX 3060 12GB的旧主机，风扇声低低地转着。很多人搜索Stable Diffusion本地部署教程，其实不是为了炫技，而是想要一种安静的自由：不用排队、不怕额度、不把私密素材交给云端。它和“Claude注册方法”“Claude免费使用”这类云端工具问题不同，本地绘图最先考验的是你的显卡、驱动和耐心。
先说可用配置：Windows 10/11，NVIDIA显卡建议8GB显存起步，16GB内存起步，硬盘至少预留30GB。我的测试环境是RTX 3060 12GB、32GB内存、Python 3.10.6、CUDA 12.1驱动；512×768出图，20步Euler a，单张约5.8秒，用的是WebUI计时日志里的生成时间。
安装Python 3.10.6，勾选“Add Python to PATH”；安装Git。
打开命令行，执行：
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git进入目录，把模型文件放到：
models/Stable-diffusion。新手可先用SD 1.5或Realistic Vision这类基础模型，文件通常2GB到7GB。编辑
webui-user.bat，12GB显存可写：set COMMANDLINE_ARGS=--xformers --medvram --autolaunch双击
webui-user.bat，第一次会下载依赖，国内网络慢时可能需要重试。看到本地地址127.0.0.1:7860就算启动成功。
模型微调不是魔法：LoRA训练的可复制参数
真正的冲突常发生在第二晚：你已经会出图，却发现人物不像、产品不稳、风格飘。于是开始查Stable Diffusion模型微调怎么用。我的建议是先别碰DreamBooth，先用LoRA。它轻，训练快，适合固定人物、包装、插画风格。
免费路线可以用kohya_ss。准备20到40张同一主体图片，分辨率尽量不低于768px，背景不要全一样。每张图配一条caption，例如：sks woman, short black hair, studio light。触发词“sks”要独特，别用常见词。
一组我反复验证过的LoRA训练参数设置如下：网络维度rank设16，alpha设16；学习率1e-4；分辨率512或768；batch size为1或2；训练步数建议1500到3000。12GB显存训练768分辨率时，我这里batch size 1更稳，训练一个人物LoRA约38分钟，生成的.safetensors约36MB。
如果显存爆掉，不要先怀疑人生。按顺序降：分辨率从768降到512，batch size降到1，开启gradient checkpointing，再减少rank到8。若人物过拟合，表现为脸像但姿势僵硬、背景重复，就减少训练步数或增加更多角度照片。
怎样确认它真的能用：别只看第一张惊喜图
验证比安装更重要。我的做法是固定种子，例如Seed 123456，同一提示词连续测试基础模型、加LoRA权重0.6、0.8、1.0三组。提示词可用：sks woman, portrait, natural light, 85mm lens；反向词加入bad hands, blurry, extra fingers。如果0.6已有主体特征，0.8稳定，1.0略过拟合，说明LoRA可用。
再做一项压力测试：换三种场景，比如咖啡馆、雨夜街道、白色产品棚拍。若触发词仍能保留主体特征，而不是把背景也“记死”，才算微调成功。最后看日志：本地WebUI无报错、显存占用低于上限、单张生成时间稳定在相近范围内，这就是你的离线工作台已经醒了。
如果你只是想继续系统学习AI绘画、本地部署和工具选择，睿盈工具会把免费、官方、DIY路线放在前面整理；也可以从 wizzegroup.com 作为一个入口慢慢看。技术最终不是让夜更长，而是让你在夜里少走一点弯路。