刚入行那会儿，我为了搞个简单的去水印功能，差点把显卡烧了。现在回头看，真没必要花冤枉钱。很多兄弟问，为啥非要本地部署？答案很简单：怕泄露隐私，还有那些按月付费的API接口，用着用着就扣你钱，心累。今天这篇不整虚的，直接上干货，把这套ai修图本地部署教程掰碎了讲给你听。

先说硬件，别听那些吹嘘的，你至少得有一张N卡，显存8G起步，12G以上比较舒服。A卡也能跑，但配置麻烦，新手慎入。我手头这台RTX 3060 12G，跑Stable Diffusion的LoRA模型修图，速度还行，就是显存稍微有点紧巴巴。

第一步，环境搭建。别去搞那些复杂的Anaconda配置，容易出错。直接下载WebUI的整合包，比如秋叶包或者B站大佬整合好的版本。解压后，双击那个bat文件，它会自动下载Python环境。这里有个坑，国内网络下载模型经常超时，你得提前把镜像源改好，不然等着吧，能等到天荒地老。我在教程里强调过，一定要换源，这是成功的关键。

接下来是模型选择。官方给的模型太臃肿，加载慢还占内存。建议去Civitai或者Liblib下载专门针对人像优化的Checkpoint模型，比如ChilloutMix或者类似的亚洲人模型。下载下来放到models/Stable-diffusion文件夹里。这时候启动WebUI，界面出来了，别急着修图，先看看日志有没有报错。

重头戏来了，怎么修图。很多人不知道，本地部署最大的优势就是能跑ControlNet。比如你想把照片里的人换个姿势，或者去掉背景里的路人，ControlNet就是神器。安装ControlNet插件，加载对应的预处理器模型。这里要注意，预处理器模型也要单独下载，别指望它自动下完，经常断连。

举个例子，你有一张自拍，脸上有痘痘，想磨皮但又不想失真。用img2img功能，上传原图，调整重绘幅度（Denoising strength）到0.3到0.5之间。太低了没效果，太高了脸就变了。提示词里写清楚，比如“high quality, smooth skin, natural lighting”，负向提示词加上“acne, blemishes, ugly”。

还有那个ai修图本地部署教程里常提到的LoRA，这东西更轻量，效果更专一。比如你想让照片变成胶片感，或者增加某种特定的光影，下载对应的LoRA文件放到models/Lora文件夹。在WebUI的LoRA标签里勾选它，权重设0.7到0.9之间。这个参数很微妙，设高了画面会崩坏，设低了没感觉，得自己多试几次。

避坑指南：显存爆了怎么办？如果提示Out of Memory，别慌。在启动参数里加上--xformers或者--opt-sdp-attention，能省不少显存。还有，别开太大的分辨率，1024x1024足够了，再大显存扛不住，速度也慢。

最后说说隐私问题。你把照片存在本地，谁也别想看到。那些云端的AI修图软件，虽然方便，但你上传的照片可能被拿去训练他们的模型，想想都后背发凉。本地部署虽然前期折腾点，但一劳永逸。

这套流程走下来，大概花个半天时间就能搞定。虽然中间可能会有各种报错，比如Python版本不对，或者CUDA驱动不匹配，但这些问题网上都有解法。关键是别怕报错，多看日志。

记住，技术这东西，动手了就会。别光看教程不动手。当你第一次看到自己生成的完美修图结果时，那种成就感，比买新显卡还爽。希望这篇ai修图本地部署教程能帮到你，少走弯路。要是还有问题，去社区里搜搜，基本都有答案。别懒，动手才是硬道理。