本地 SD 生图 (Local Stable Diffusion Image Generation)
适用场景:批量生小红书配图、产品图、概念图、风格化图片 硬件:CPU(无 GPU 加速),4GB+ RAM,~5GB 磁盘 速度:14.5 秒/张(512×512,2 步推理) 质量:vision 验证通过——无水印、无 AI 味、商业级 商用:✅ 完全免费(公开模型 + 自生成)
核心优势
- ✅ 免 key(HF-Mirror 国内源)
- ✅ 无水印(本地 SD 无内置水印)
- ✅ 商用免费(LCM Dreamshaper v7 是公开许可)
- ✅ CPU 友好(LCM 2 步比 SD 标准 25 步快 12 倍)
- ✅ 批量跑(9 分钟 40 张)
一次性安装
# 1. Python venv(用 uv 而非 pip,见 "venv pip 混乱" 章节)
uv pip install --python "C:\Users\Administrator\AppData\Local\hermes\hermes-agent\venv\Scripts\python.exe" \
-i https://pypi.tuna.tsinghua.edu.cn/simple diffusers==0.30.0 transformers==4.44.0 accelerate
# 2. Torch CPU(venv 默认没 pip,先 bootstrap)
python -c "import ensurepip; ensurepip.bootstrap()"
python -m pip install -i https://download.pytorch.org/whl/cpu torch
# 3. diffusers 重装(清华源)
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple diffusers==0.30.0
环境变量(每次跑都要设)
export HF_ENDPOINT=https://hf-mirror.com
export HF_HOME=C:/Users/Administrator/.cache/huggingface
export HF_HUB_CACHE=C:/Users/Administrator/.cache/huggingface/hub
export TRANSFORMERS_CACHE=C:/Users/Administrator/.cache/huggingface
# 可选:HF_HUB_ENABLE_HF_TRANSFER=1(用 hf_transfer 加速下载)
批量生图脚本
复制 _lcm_batch.py 模板(已存在 小红书\爆款10篇\_lcm_batch.py):
import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
os.environ["HF_HOME"] = r"C:\Users\Administrator\.cache\huggingface"
os.environ["HF_HUB_CACHE"] = r"C:\Users\Administrator\.cache\huggingface\hub"
import torch
from diffusers import LCMScheduler, AutoPipelineForText2Image
pipe = AutoPipelineForText2Image.from_pretrained(
"SimianLuo/LCM_Dreamshaper_v7",
torch_dtype=torch.float32,
cache_dir=r"C:\Users\Administrator\.cache\huggingface\hub",
)
pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)
pipe.enable_attention_slicing()
pipe.enable_vae_tiling()
PROMPTS = [
("name1", "professional food photography of ..."),
("name2", "..."),
]
NEG = "watermark, text, logo, low quality, blurry, ugly, AI-generated feel"
for name, prompt in PROMPTS:
img = pipe(
prompt=prompt,
negative_prompt=NEG,
num_inference_steps=2,
guidance_scale=1.0,
width=512,
height=512,
).images[0]
img.save(f"{name}.jpg", "JPEG", quality=85)
Prompt 公式
美食类:
professional food photography of [具体菜品] on [具体餐具],
[具体角度/光线], [配料点缀], 8K, no watermark, no text, no logo
产品类:
professional product photography of [产品], [背景/灯光],
sharp focus, 8K, no watermark
场景类:
professional photography of [场景/动作], [环境/设备],
natural light, 8K, no watermark
负向(必有):
watermark, text, logo, signature, low quality, blurry,
deformed, ugly, plastic, fake, AI-generated feel,
oversaturated, cartoon, NSFW
速度优化
- CPU 14.5 秒/张:
num_inference_steps=2, guidance_scale=1.0, width=512, height=512 - GPU 1-2 秒/张:加
torch_dtype=torch.float16+ CUDA - 批量并发:用
multiprocessing.Pool起 4 个 worker
常见坑
- ❌
diffusers 0.34不支持from_onnx路径,用 0.30 - ❌
huggingface.coSSL 全挂,必用hf-mirror.com - ❌ 装到系统 Python (3.14) 找不到模块,要装到 venv (3.11)
- ❌ 不要
num_inference_steps=1(LCM 1 步会黑图) - ❌ 负向不要写"no X"格式,要写"X"(X 是要避免的内容)
镜像源选择(重要!网络不通时按顺序试)
| 镜像 | 适用 | 实测 |
|---|---|---|
首选:hf-mirror.com |
https://hf-mirror.com | SD 1.5 / LCM / SDXL-Lightning 都能下 |
| 备用 1:ModelScope | https://www.modelscope.cn | ⭐⭐⭐ 国内 CDN 最快 |
| 备用 2:hf_transfer | pip install hf_transfer + HF_HUB_ENABLE_HF_TRANSFER=1 |
官方 CDN 加速 |
| ❌ 失败 | huggingface.co 直连 |
SSL 全挂 |
| ❌ 失败 | https://huggingface.co/... |
同上 |
ModelScope 用法(HF-Mirror 卡死时):
# 安装:uv pip install modelscope
from modelscope import snapshot_download
ms_path = snapshot_download("AI-ModelScope/bge-large-zh-v1.5",
cache_dir=r"C:\Users\Administrator\.cache\modelscope")
# 然后把 ms_path 当 model_name 传给 HuggingFace*Embeddings
注意:bge / sentence-transformers 类模型 ModelScope 镜像路径含 ___5(版本号),复制路径时检查实际目录名。
Python venv pip 路径混乱(最常见翻车)
Hermes 的 python 是 3.11 venv,但 pip 走系统 Python 3.14 — 装到 pip 找不到模块:
# ✅ 装到 venv(用 uv)
uv pip install --python "C:\Users\Administrator\AppData\Local\hermes\hermes-agent\venv\Scripts\python.exe" \
-i https://pypi.tuna.tsinghua.edu.cn/simple <package>
# ✅ venv 没 pip 时 bootstrap
python -c "import ensurepip; ensurepip.bootstrap()"
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <package>
# ❌ 不能用
pip install <package> # 装到 3.14 系统 Python,python 找不到
# 验证装对了
python -c "import sys; print(sys.executable)"
# 必须返回:C:\Users\Administrator\AppData\Local\hermes\hermes-agent\venv\Scripts\python.exe
已知 deprecation warning(无害)
TRANSFORMERS_CACHE is deprecated, use HF_HOME→ 可忽略,HF_HOME 优先diffusers 0.30 AutoPipelineForText2Image仍可用,新标准是langchain-huggingfaceHuggingFaceBgeEmbeddingsdeprecated → 改用langchain-huggingface包
性能对照(实测 2026-06-08)
| 配置 | 单图时间 | 40 张总耗时 | 备注 |
|---|---|---|---|
| LCM 2 步 / CPU / 512px | 14.5 秒 | 9 分钟 | ⭐⭐⭐⭐⭐ 推荐 |
| SD 1.5 / CPU / 512px (25 步) | 192-504 秒 | 数小时 | 第一次冷启动尤其慢 |
| SD Turbo / CPU / 512px (4 步) | ~30 秒 | ~20 分钟 | 比 LCM 慢 |
| SDXL + LCM / CPU | 加载即超时 | 不可用 | 至少 12GB RAM |
| LCM / GPU float16 / 512px | 1-2 秒 | < 2 分钟 | 有 GPU 首选 |
| 商用 API (Pollinations/DeepAI) | 60+ 秒 | 经常 402 | 国内基本不可用 |
视觉验证清单(出货前必查)
每张图用 vision 验证 4 项:
- 主体正确(不是蛋糕/啤酒/小狗 = Pexels 翻车教训)
- 背景合理(不是抽象城市/向日葵田)
- 无水印(特别是角标/logo/文字)
- 无 AI 味(自然光、暖色调、构图正常)
vision 抽检率:至少 10%(40 张抽 4 张),质量不稳定时 100%。
中餐菜谱翻车实战(2026-06-13 LCM 6 张图全翻车)
症状(LCM Dreamshaper v7 + CPU 512px + 短 prompt 生中餐):
跑 6 张"白灼虾"小红书配图,5/6 张菜不对版:
| 目标 | 实际 | 评分 |
|---|---|---|
| 9 宫格摆盘 | 一坨不明物体(看不出是虾) | 2/10 |
| 错误 vs 正确 | 对比不清晰 | 3/10 |
| 活虾特写 | 棕红色死虾 | 3/10 |
| 姜+葱+料酒 | 料酒画成蒜("shaoxing wine" 没识别) | 4/10 |
| 30 秒烫虾 | 像奶油汤(沸腾水没生成) | 3/10 |
| 3 种蘸料 | 只画了 2 碗 | 4/10 |
LCM 根因:
- LCM Dreamshaper v7 是 SD 1.5 微调(训练数据偏欧美 + 通用)
- 白灼 / 红烧 / 清蒸 / 蒜蓉 等中餐烹饪术语 LCM 几乎不认识
- 料酒 / 蒸鱼豉油 / 老抽 / 米醋 等中餐调味料 LCM 不识别,默认画成"蒜"或"棕色液体"
- CPU 4 步推理 + 512px 分辨率 = 细节严重损失
- 中文菜名("白灼大虾")直译英文("poached shrimp")也救不了 —— LCM 训练集里"poached"主要是鸡蛋
坑识别清单(看到这些就别用 LCM):
❌ 中餐菜名 + 短 prompt(< 30 词) → 必翻车 ❌ 中餐调味料(料酒 / 蒸鱼豉油 / 老抽 / 蚝油 / 米醋)→ 画不准 ❌ 中餐烹饪动作(白灼 / 勾芡 / 颠锅 / 爆香)→ LCM 不懂 ❌ 3 个以上元素(3 种蘸料 / 5 件套)→ 必丢元素 ❌ 对比图(错误 vs 正确)→ 布局乱
3 个解决路线(按推荐度):
路线 A:doubao-seedream API(中文菜谱 + 免费 + 快)
# 国内直连,免费额度,中文菜谱理解 8/10+
# 1 分钟/张,6 张 6 分钟,质量稳定
# 需要 API key
# pip install volcengine-python-sdk
适用:所有中餐(菜谱/白灼/红烧/清蒸/小吃/甜点)
路线 B:真实图抓取(最稳)
# 30 分钟内抓 30 张真实美食图
# 头条 / 小红书 / Pinterest / 摄图网 / 千图网
# 挑 6 张质量最好的
# 100% 还原菜品
适用:菜品图 / 探店图 / 教程图(任何有真实参照物的图)
路线 C:LCM 重跑(必须改 prompt)
3 个改写技巧(实测有效):
- "料酒" 翻成 "shaoxing wine"("cooking wine" 会被画成棕色液体)
- "白灼" 改成 "boiled and chilled shrimp glistening with oil"(直接描述成品)
- 加 "Chinese cuisine, Cantonese style"(激活中餐训练子集)
改写后的 prompt 示例:
# ❌ 错(白灼 LCM 翻车)
"A 9-grid collage of blanched shrimp dishes"
# ✅ 对(描述具体成品 + 中式)
"A 9-grid collage of Cantonese style poached shrimp dishes,
perfectly boiled and chilled, glistening with golden scallion oil,
garnished with red goji berries and lemon wedges, white porcelain plates,
wooden table, food photography, 8k, instagram aesthetic, Chinese cuisine"
# ❌ 错(料酒翻车)
"3 slices of ginger, scallions, and a small bowl of cooking wine"
# ✅ 对(用 shaoxing wine)
"3 slices of fresh ginger, 5 segments of green scallions,
and a small ceramic bowl of shaoxing wine, Cantonese cooking setup,
minimalist food photography, soft natural light, warm tones, 8k"
LCM 中餐上限(就算 prompt 改对):
- ✅ 简单成品(白灼虾 / 烤鸭 / 红烧肉)→ 7-8/10
- ⚠️ 复杂动作(颠锅 / 拉面 / 雕花)→ 5-6/10
- ❌ 多元素对比(3 种蘸料 / 错 vs 对)→ 必翻车
预防/替代方案:
- 小老板 1 人操盘 + 1 部手机 + 1 个本地 SD = 遇到中餐就抓真实图(路线 B)
- 有 doubao API key = 全程 doubao-seedream(路线 A)
- 没 API key + 一定要 AI 生图 = LCM + 改 prompt + 视觉验证(路线 C)
终极建议(2026-06-13 实战总结):
小老板 1 人 + LCM 本地 SD = 生"通用图 OK,生中餐别用"。 中餐配图的第一选择永远是真实图(30 分钟搞定 6 张), 第二选择是 doubao-seedream(1 分钟 6 张,质量稳定), LCM 重写 prompt 排第三(费劲还不一定对)。
关联资源
references/lcm_batch_template.py— 已验证可用的批量生图脚本references/prompt_library_zh.md— 中文 prompt 库(10 篇爆款 40 个 prompt 中英对照)references/chinese-food-fallback-chain.md— 中餐配图 6 层级联方案(真实图 → doubao → LCM 改写 → 商用 API → Pexels → 文字图)scripts/verify_images.py— 批量 vision 验图脚本(待添加)