“皮卡丘我们来咯”——这句话放在十年前是动画台词放在今天更像一次本地 AI 图像生成实验的任务书。这次我们用开源图像生成模型在本地把皮卡丘这套角色特征稳定输出到不同场景里顺便把文生图、图生图、ControlNet、批量任务、接口调用和显存优化整条链路都走一遍。先说结论这个玩法的重点不在“皮卡丘”本身而在于角色一致性、提示词控制、Local 部署管线。常规情况下一张 6GB 显存以上的 NVIDIA 显卡就能跑 SD 1.5 路线的动漫模型显存偏紧就开低显存启动参数没有独立显卡也可以跑 CPU但速度会慢很多只适合单张验证。下面的流程完全围绕本地部署展开模型文件、脚本、输出结果都放在自己机器上不上传图片、不依赖在线服务。整个过程会覆盖环境准备、模型放置、WebUI 启动、图生图控制、批量生成、API 调用和常见排错适合想把角色素材本地化生产的人直接照做。1. 核心能力速览能力项说明项目类型本地 AI 图像生成与角色一致性实验主要功能文生图、图生图、ControlNet 姿态/边缘控制、批量生成、API 调用模型路线SD 1.5 动漫微调模型 / SDXL 路线配合 LoRA 可强化角色特征显存需求建议 NVIDIA 显卡 6GB 以上显存更稳定显存不足时使用--medvram或--lowvramCPU 支持可以运行但推理速度明显变慢适合功能验证支持平台Windows、Linux 均可Windows 下用批处理启动Linux 下用 shell 脚本启动启动方式Stable Diffusion WebUI 命令启动或一键脚本启动接口 APIWebUI 自带http://127.0.0.1:7860/sdapi/v1/txt2img等接口批量任务通过 Python 循环调用接口或使用目录任务脚本批量出图适合场景二次元角色风格化、角色一致性测试、LoRA 训练前后对比、内容素材预处理2. 适用场景与使用边界这类本地生成方案适合几类人一是做二次元内容创作想先批量出角色素材再筛选二是做 LoRA 或模型微调需要一个稳定的对比流程三是做自动化出图想把生成能力接进自己的工具链里。对皮卡丘这种角色来说最大的价值不是“能不能画出来”而是“怎么让每张图的角色特征保持一致”——耳朵长度、脸颊颜色、尾巴形态、表情风格这些都是可以用提示词和 ControlNet 固定下来的变量。使用边界必须说清楚皮卡丘属于宝可梦 IP和很多动漫角色一样面向个人学习、本地测试、粉丝向存档是常见操作但不应该拿去商业化变现也不应该用来生成丑化、恶搞、误导性内容。如果你手上有一批来源不明的素材图片要先确认授权情况再作为训练集或参考图使用。AI 图像生成只是工具合规边界由使用者自己把握。3. 环境准备与前置条件先列一个通用的环境检查清单不限定具体版本因为不同模型、不同启动器对依赖版本的要求不完全一样。检查项建议操作系统Windows 10/11 或 LinuxUbuntu/Debian 系常见GPUNVIDIA 显卡优先6GB 显存以上更容易跑通 SD 1.5显卡驱动安装最新版 NVIDIA 驱动避免 CUDA 版本和 PyTorch 不匹配PythonWebUI 通常依赖 Python 3.10/3.11 环境低于 3.9 容易报错Git用于克隆 WebUI 仓库和部分扩展磁盘模型文件 2GB 到 7GB 不等再加扩展、LoRA 和输出图预留 20GB 以上更稳端口WebUI 默认 7860启动前检查端口是否被占用如果只有 CPU 环境也不是完全不能跑。步骤一样只是启动参数不需要 CUDA 相关选项生成单张 512x512 图片可能要等上几分钟。显存占用和推理时间都需要以实际机器为准不同模型的差距很大不建议照抄别人的“常温参数”。4. 安装部署与启动方式4.1 安装 Stable Diffusion WebUI以最常用的 WebUI 为例先克隆仓库git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webuiWindows 用户可以直接双击webui-user.bat首次运行会创建虚拟环境并安装依赖。Linux / macOS 用户需要先给脚本加执行权限chmod x webui.sh ./webui.sh如果显存不大可以直接在启动命令里带低显存参数。不建议一上来就开满特效。./webui.sh --medvram --xformers --api--api参数一定要加后面用接口批量调用时依赖它。--xformers能减少部分显存占用并加快推理但部分显卡驱动环境下需要单独安装对应依赖报错就先去掉它。4.2 放置模型文件WebUI 启动后页面右上角会显示模型列表。如果列表是空的需要把模型文件放到对应目录stable-diffusion-webui/ ├── models/ │ ├── Stable-diffusion/ # 底模 │ ├── Lora/ # LoRA 模型 │ ├── VAE/ # VAE 文件 │ └── ControlNet/ # ControlNet 专用模型具体文件名、下载来源要以你使用的模型发行说明为准不同模型推荐的负面提示词和采样器也不同。放好模型后刷新页面或者重启 WebUI模型列表就会显示。4.3 检查启动是否成功启动日志最后出现类似Running on local URL: http://127.0.0.1:7860的内容说明服务已经起来。浏览器打开http://127.0.0.1:7860能看到文生图、图生图、扩展等 Tab。这时先用一张最基础的图验证管线再进入角色复刻阶段。5. 功能测试与效果验证5.1 文生图先让皮卡丘“站”出来测试目标验证 WebUI 管线、模型加载和无障碍文生图。输入提示词可以分两段写。正向提示词(masterpiece:1.2), (best quality:1.2), no humans, pikachu, yellow fur, red cheeks, long pointed ears, lightning bolt tail, cute round body, standing, simple background, anime style, sharp focus负面提示词worst quality, low quality, blurry, deformed, bad anatomy, extra limbs, extra tails, text, watermark, logo, jpeg artifacts参数方面第一次测试建议用 512x512 分辨率、20 到 30 步采样、CFG Scale 7 左右先不要开高分辨率修复和 ControlNet。点击 Generate 后观察两点一是是否能在合理时间出图二是输出结果是否出现“黄色、红脸颊、长耳朵、闪电尾巴”这几个基础特征。判断成功的标准图片轮廓清晰、无大面积结构错误、提示词里的角色特征基本都出现。如果输出模糊、多尾巴、脸部崩坏优先调整负面提示词或采样器而不是一味调大分辨率。5.2 固定 Seed 做基线每张图生成后WebUI 会记录 Seed 数值。把同一组提示词和同一个 Seed 固定在参数面板里再调整模型或采样器可以更公平地看参数变化对结果的影响。Steps: 28 Sampler: DPM 2M Karras CFG scale: 7 Seed: 123456 Size: 512x512这套配置成为基线后后续测试才谈得上“可对比”。否则换了提示词又换模型很难定位是哪一环导致效果变化。5.3 图生图从线稿到成品如果想让皮卡丘的动作更符合预期可以先画一个简单线稿或剪影再用图生图流程细化。操作步骤切到img2imgTab。上传线稿图片。设置 Denoising strength第一次测试可以取 0.6 到 0.75。输入同样的正向提示词。生成。Denoising strength 是这里最关键的参数数值越高生成图越偏离原图数值太低线稿颜色和瑕疵会被保留。建议从 0.65 起步逐步增减 0.05找到一个既能保留姿势、又能恢复细节的平衡点。5.4 ControlNet约束边缘和姿势ControlNet 是让角色姿势可控的正解。在 WebUI 里安装 ControlNet 扩展后需要下载对应的 ControlNet 专用预训练模型常见的是 Canny、OpenPose、Depth 这几个类型。用 Canny 控制边缘轮廓适合临摹线稿用 OpenPose 控制人物动作适合提取人物姿势用 Depth 控制空间深度适合复杂背景。测试流程在txt2img页面下拉找到 ControlNet 面板。启用 ControlNet上传参考图。预处理器选canny模型选对应的 Canny 模型。保持提示词不变生成。效果验证要看三点角色整体是否符合参考图轮廓、皮卡丘的特征是否被保留、背景是否合理。ControlNet 只是“参考”不会完全替代提示词所以提示词依然要写清楚角色特征。5.5 测试结果判断清单测试项预期结果异常表现排查方向文生图皮卡丘基础特征出现多尾巴、五官错乱优化负面提示词、换采样器固定 Seed同参数下结果可复现每张差异很大检查设置未保存或显存溢出图生图线稿姿势被保留线稿颜色被大量保留调高 Denoising strengthControlNet姿势和轮廓贴近参考图ControlNet 未生效检查扩展和模型加载状态批量任务输出多张风格统一图片部分图崩坏增加负面提示词并设置失败重试6. 接口 API 与批量任务WebUI 启动时加了--api参数后就多出一组 HTTP 接口。最常用的是文生图接口POST http://127.0.0.1:7860/sdapi/v1/txt2img请求体是一个 JSON基础字段如下{ prompt: (masterpiece:1.2), pikachu, yellow fur, red cheeks, lightning bolt tail, anime style, negative_prompt: worst quality, low quality, blurry, deformed, text, watermark, steps: 28, width: 512, height: 512, cfg_scale: 7, seed: -1, batch_size: 1, n_iter: 1 }Python 调用示例import base64 import json import time from pathlib import Path import requests API_URL http://127.0.0.1:7860/sdapi/v1/txt2img OUTPUT_DIR Path(outputs) OUTPUT_DIR.mkdir(exist_okTrue) def generate_one(prompt: str, seed: int -1) - list[str]: payload { prompt: prompt, negative_prompt: worst quality, low quality, blurry, deformed, text, watermark, steps: 28, width: 512, height: 512, cfg_scale: 7, seed: seed, batch_size: 1, n_iter: 1, } response requests.post(API_URL, jsonpayload, timeout300) response.raise_for_status() data response.json() return data.get(images, []) def save_images(images: list[str], name: str) - None: for i, img_base64 in enumerate(images): img_bytes base64.b64decode(img_base64) output_path OUTPUT_DIR / f{name}_{i:03d}.png output_path.write_bytes(img_bytes) print(fsaved: {output_path}) if __name__ __main__: prompts [ pikachu standing in forest, anime style, masterpiece, pikachu sitting under streetlight, night scene, anime style, masterpiece, ] for idx, prompt in enumerate(prompts): try: images generate_one(prompt, seed-1) save_images(images, fpika_{idx:03d}) except Exception as exc: print(fprompt {idx} failed: {exc}) time.sleep(2)批量任务设计上建议把提示词、Seed、输出路径都写入日志文件。生成一张 512x512 的图通常只要几秒到几十秒但如果模型、采样器、分辨率调高单张耗时可能到几分钟。批量循环里要加try/except和失败重试避免一张图出错导致整个任务停住。接口返回的是 Base64 编码的 PNG 图片不是文件路径。保存时需要先用base64.b64decode解码再写文件。如果需要在服务器之间传递可以改成响应 JSON 后直接入库。7. 资源占用与性能观察观察显存占用最直接的方式是另一个终端窗口运行nvidia-sminvidia-smi -l 2-l 2表示每 2 秒刷新一次。生成图片过程中显存占用会明显上涨结束后回落。实际数字受底模、VAE、分辨率、采样步数、ControlNet 是否开启、批量大小共同影响这里不给出固定结论建议你在自己机器上跑几张后记录基线。CPU 推理和 GPU 推理的差异主要体现在速度上。CPU 模式不是不能跑而是单张 512x512 可能要等数分钟GPU 模式下同样的参数通常能几十秒内完成。显存不足时常见的救急做法有四种启动参数加--medvram或--lowvram牺牲少量速度换取更低的显存峰值。分辨率从 512x512 起步不开高分辨率修复。关闭 ControlNet 或减少同时启用的模型数量。启用--xformers或用 FP16 精度推理。设置里还有一个“批量大小”Batch size它和“批量计数”Batch count含义不同。Batch size是指一次推理同时生成多少张图显存开销几乎线性增长Batch count是指连续生成多少轮显存占用基本不变。显存不大时优先用Batch count不要盲目把Batch size调大。还有一个容易被忽略的点端口冲突和进程残留。WebUI 启动失败往往不是依赖问题而是上次进程没有退出端口还被占着。Linux 下可以用下面的命令检查lsof -i :7860如果发现旧进程手动终结后再启动。不然新服务起不来浏览器打开的还是旧页面改参数后也没反应。8. 常见问题与排查方法问题现象可能原因排查方式解决方案启动后页面打不开端口被占用或服务未启动查看启动日志、检查 7860 端口换端口或结束后台残留进程模型列表为空模型文件未放入指定目录检查models/Stable-diffusion目录把.safetensors文件放进去并刷新页面加载模型时报错模型文件损坏或版本不兼容查看stderr日志重新下载模型确认文件 Hash生成全黑图VAE 缺失或推理参数异常检查 VAE 设置下载匹配的 VAE 文件并指定生成人物结构崩坏负面提示词太弱、模型不适合该角色换动漫模型、加强负面提示词加入deformed, bad anatomy, extra limbs等关键词CUDA 相关报错PyTorch 版本与显卡驱动不匹配查看 PyTorch 版本和nvidia-smi驱动按官方文档重装匹配的 PyTorch显存不足 OOM分辨率、步数或 Batch size 太高观察nvidia-smi显存变化开低显存参数、降低分辨率、调小 Batch sizeAPI 返回 500请求参数不符合接口规范检查 JSON 字段名和类型对照接口文档修正 prompt、steps 等字段批量任务中途卡住某一张图推理超时或服务端过载查看 Python 进程日志和 GPU 占用增加超时、失败重试、降低并发结果风格不稳定Seed 不固定、采样器不一致固定 Seed 再对比建立基线配置不随意切换采样器9. 最佳实践与使用建议第一次跑通之前不要追求复杂工作流。把所有参数保持在默认值附近只改提示词先确认“模型能出图”这件事稳定。等基线条目稳定下来再逐步加入 ControlNet、LoRA、高分辨率修复。工程实践中几个习惯可以大大减少折腾成本模型文件、输入素材、输出结果分目录管理。WebUI 默认会把生成图放在outputs目录但批量调用脚本建议单独建一个outputs目录按日期或任务名分文件夹。每次批量生成前把提示词、参数、Seed、模型名保存为 JSON。这样后续复现不是靠“我记得当时用的什么”而是直接读取配置。批量任务加日志和失败重试。单张图偶发失败很正常任务脚本要能跳过失败并继续。接口服务只在本机监听不要图省事放到公网。WebUI 默认绑定127.0.0.1如果要局域网访问用--listen参数也要加访问控制生产环境更建议放在内网或加鉴权。涉及人脸、声音、真实场景素材时必须确认授权。即使是皮卡丘这种动漫角色也要遵守 IP 版权方的规定不商用、不传播不当内容。发布或商用前做人工复核。AI 生成图不代表最终素材生成结果里的细节错误、文字乱码、结构异常需要人工筛选。10. 总结与下一步这套流程里最值得优先试的就是“固定 Seed 的文生图 ControlNet 姿态控制”组合。前者解决了角色一致性验证后者解决了姿势可控。最容易踩的坑不是提示词写不好而是模型没放对目录、API 没开、端口残留三个低级问题。先把这三件事理顺皮卡丘生成流程就能稳定跑起来。下一步可以往两个方向扩展一是训练一个角色 LoRA让皮卡丘的风格在 30 到 50 张参考图内更贴近你的审美二是把 WebUI 文生图换成 ComfyUI 工作流用节点图把“图生图、ControlNet、批量保存”整条链路可视化。如果这期内容对你有用建议直接收藏当部署手册。下一期可以继续拆讲清楚 ComfyUI 版本如何把皮卡丘的角色特征固定成可复用的工作流。