用Diffusers跑通文生图pipeline

很多人以为"AI 画图"得开着云上的昂贵 GPU 才能玩，其实只要你机器上有块还算能打的独显，用 HuggingFace 的 Diffusers 库，几行 Python 就能在本地生成图。我自己的笔记本跑 SDXL 虽然慢点，但出一张图也就几十秒，足够折腾了。

一、不用云端也能玩

本地出图最大的好处是数据和提示词不出机器，而且一次装好长期免费用。代价是要自己管显存和模型下载。Diffusers 把 Stable Diffusion 那一套组件（分词器、UNet、VAE）封装成了一个 DiffusionPipeline，调用方式非常统一。

二、装好依赖就开跑

先装库，再加载模型直接生成：

# pip install diffusers transformers accelerate torch
import torch
from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0",
    torch_dtype=torch.float16,
)
pipe = pipe.to("cuda")   # 没有独显就去掉这行，用 CPU（很慢）

image = pipe(
    "a cat wearing sunglasses, cyberpunk style",
    num_inference_steps=30,
    guidance_scale=7.5,
).images[0]

image.save("cat.png")

from_pretrained 第一次会拉模型到本地缓存，之后就离线可用。torch.float16 能大幅省显存，是本地跑的标配。

三、几个关键参数

四、显存不够怎么办

这是比较难受的地方：

• 爆显存：先把 torch_dtype 设成 float16，还不行就换更小的模型（比如说 SD1.5）或降低出图分辨率。
• 第一次巨慢：模型下载 + 首次编译内核都耗时，第二次就快了，别以为是代码卡死。
• CPU 能跑但慢十倍：没独显也能出图，只是耐心要足，建议先小尺寸试通再放大。

收尾

本地文生图真正的门槛不在代码，而在"显存和模型管理"。Diffusers 把推理流程压成了两三个调用，剩下的就是调参数找手感。等这条pipeline跑顺了，后面可以再接个WebUI或者批量生成，都是在这个基础上加壳，思路完全一样。