【B站付费课程】全面掌握 Stable diffusion系统教程

这套 Stable Diffusion 教程的定位很明确：它不是那种「点几下就出图」的爽文式演示，而是把 WebUI 插件、模型加载、推理代码这几层拆开讲。如果你已经在用 SD 出图，但遇到插件报错只会重装、换模型只会拖文件夹、想改点逻辑却不知道从哪下手，这份资料值得拿来对照实践。

技术栈与运行环境

课程围绕 Automatic1111 的 stable-diffusion-webui 展开，这是目前插件生态最完整的一套前端。插件部分能明显看到对 inpaint-anything 这类重绘工具的拆解，而素材里出现的 mobile_sam、modeling、mask_decoder 等模块，说明讲解深入到 SAM 系列分割模型的集成方式——不是只教你装插件，而是让你看懂插件怎么调用一个分割网络、mask 是怎么从编码器输出解码出来的。

这类内容的门槛在于：你需要对 Python 环境、torch 的基本调用、以及 WebUI 的扩展机制有最低限度的认知。课程本身会覆盖这些，但建议先确认自己的显卡和 CUDA 版本能跑起来，否则很多演示只能看不能做。

项目结构与可复用模块

资料里的目录划分透露出一种工程化的组织思路：插件、模型、脚本代码是分层的，而不是全部堆在一个目录里。这对自学的价值在于，你可以顺着「插件目录 → 模型文件 → 推理脚本」这条链路，理解一次重绘或一次生成请求到底经过了哪些模块。

• 插件层：负责 UI 交互和参数传递，是二次开发改动最频繁的地方。
• 模型层：权重加载、模型切换、显存管理的实际位置，换模型出问题多半卡在这。
• 脚本层：采样、CFG、步数等参数最终如何影响 latent，是调参从玄学变成可解释的关键。

其中 mobile_sam 这种轻量分割模型被单独拎出来讲，说明作者在意推理速度与显存的现实约束——这在本地部署场景里比论文指标更有用。

代码与实践结合的部分

从目录里能看到 .pyc 编译产物和源码并存，意味着有些模块是直接可以阅读甚至修改的。这对于想给插件加功能、改预处理逻辑的人是很直接的参考：你可以对照 mask_decoder、transformer 这类文件，看清一个分割结果是怎么从特征图一步步还原成可用于重绘的 mask 的。

实践建议是：不要只跟着视频跑通就结束。挑一个你常用的插件，把它对应的代码目录打开，对照课程里的讲解走一遍调用链，遇到看不懂的模块就停下来查。这样一遍下来，你对 WebUI 扩展机制的理解会比单纯看教程扎实得多。

适合谁、怎么用

这份资料适合三类人：一是已经会出图、但被插件和模型配置反复卡住的用户；二是想基于 WebUI 做二次开发、给插件加功能的开发者；三是想把 SD 当作一个可拆解系统来学、而不是当作黑盒工具的人。

它的价值不在于「看完就能出好图」，而在于给你一套可以反复查阅的结构——插件怎么接、模型怎么换、代码在哪改。把它当成对照手册，一边操作一边翻对应章节，比空看一遍视频的留存率高得多。