文章目錄
- 前言
- 1. 本地部署ComfyUI
- 2. 下載 Stable Diffusion3.5 模型
- 3. 演示文生圖
- 4. 公網使用Stable Diffusion 3.5 大模型
- 4.1 創建遠程連接公網地址
- 5. 固定遠程訪問公網地址
前言
在數字內容創作行業中,利用本地化服務器進行人工智能部署的策略正逐步成為優化制作流程的重要手段。以視覺設計領域為例,傳統基于云平臺的服務在圖像生成方面常面臨傳輸延遲和數據外泄風險的雙重挑戰。通過在Windows系統中搭建Stable Diffusion 3.5模型架構,創作者能夠構建個性化的視覺內容生產環境,在保障信息安全的同時提升網絡連接可靠性。
該技術方案既符合企業客戶對數據管理的高標準要求,又能靈活應對獨立創作者在不同創作場景下的實際需求。針對分布式團隊協作的特殊需求,推薦結合使用Cpolar內網穿透工具建立專用通信鏈路,確保本地化部署的SD 3.5系統能在復雜網絡環境中實現跨區域實時調用和穩定運行。
【視頻教程】
Stable Diffusion 3.5 AI繪畫生成神器重磅更新!本地部署與遠程使用保姆級教程
1. 本地部署ComfyUI
本篇文章測試環境:Win11專業版,8GB顯存
進入到官方Github中,下載 最新版ComfyUI
ComfyUI Github:GitHub - comfyanonymous/ComfyUI: The most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.
找到免安裝版本
解壓保存到本地打開,進入到根目錄下,有 run_cpu、run_nvidia_gpu 第一個是通過CPU進行解碼的,第二個是通過Nvidia顯卡進行解碼的,速度會更快
雙擊打開這兩個其中哪個腳本都可以,運行腳本
打開一個新的瀏覽器輸入 http://127.0.0.1:8188
可以看到進入到了ComfyUI當中,但是默認情況下是英文,需要設置成中文
下載中文語言包,點擊鏈接:GitHub - AIGODLIKE/AIGODLIKE-ComfyUI-Translation: A plugin for multilingual translation of ComfyUI,This plugin implements translation of resident menu bar/search bar/right-click context menu/node, etc
下載壓縮包并解壓到本地
解壓后,進入到根目錄,把這個文件放到ComfyUI \ custom_nodes 目錄中
回到 Comfy UI 中,點擊設置,選擇語言為中文
2. 下載 Stable Diffusion3.5 模型
Stable Diffusion共發布了三款模型,分別是:
-
Stable Diffusion 3.5 Large:該基礎型號擁有 80 億個參數,質量卓越,響應迅速,是 Stable Diffusion 系列中最強大的型號。該型號非常適合 1 百萬像素分辨率的專業用例。【推薦16G以上顯存】
-
穩定擴散 3.5 Large Turbo:穩定擴散 3.5 Large 的精簡版僅需 4 個步驟即可生成高質量圖像,且具有出色的快速依從性,速度比穩定擴散 3.5 Large 快得多。【推薦8G以上顯存】
-
Stable Diffusion 3.5 Medium(將于 10 月 29 日發布): 該模型擁有 25 億個參數,采用改進的 MMDiT-X 架構和訓練方法,可在消費級硬件上“開箱即用”,在質量和定制易用性之間取得平衡。它能夠生成分辨率在 0.25 到 2 百萬像素之間的圖像。
本篇文章演示使用的是 第二種 3.5 Large Turbo版本,
點擊鏈接下載模型:stabilityai/stable-diffusion-3.5-large-turbo · Hugging Face
找到下方這兩個文件
將 sd3.5_large_turbo.safetensors
文件下載到 ComfyUI/models/checkpoint 文件夾中
接下來下載Clip文件, 將clip_g.safetensors、clip_l.safetensors 和 t5xxl_fp8_e4m3fn.safetensors 下載到 ComfyUI/models/clip 文件夾
回到ComfyUI目錄中,運行一鍵腳本。
重新進入到瀏覽器當中 http://127.0.0.1:8188
3. 演示文生圖
將剛才下載好的 SD3.5L_Turbo_example_workflow.json
文件拖入到ComfyUI界面中
然后在左側Clip設置中,修改成我們剛才下載的模型
在中間的CLIP文本編碼器中,輸入英文提示詞后,點擊右側 添加提示詞隊列
可以看到右側已經生成了新的圖片,我們在本地成功部署了Stable Diffusion 3.5 大模型,如果想團隊協作多人使用,或者在異地其他設備使用的話就需要結合Cpolar內網穿透實現公網訪問,免去了復雜得本地部署過程,只需要一個公網地址直接就可以進入到ComfyUI中來使用 Stable Diffusion 3.5文生圖。
接下來教大家如何安裝Cpolar并且將 Stable Diffusion 3.5 實現公網使用。
4. 公網使用Stable Diffusion 3.5 大模型
下面我們Windows安裝Cpolar內網穿透工具,通過Cpolar 轉發本地端口映射的http公網地址,我們可以很容易實現遠程訪問,而無需自己注冊域名購買云服務器.下面是安裝cpolar步驟
cpolar官網地址: https://www.cpolar.com
點擊進入cpolar官網,點擊免費使用
注冊一個賬號,并下載最新版本的Cpolar。
登錄成功后,點擊下載Cpolar到本地并安裝(一路默認安裝即可)本教程選擇下載Windows版本。
Cpolar安裝成功后,在瀏覽器上訪問http://localhost:9200,使用cpolar賬號登錄,登錄后即可看到Cpolar web 配置界面,結下來在web 管理界面配置即可。
4.1 創建遠程連接公網地址
登錄cpolar web UI管理界面后,點擊左側儀表盤的隧道管理——創建隧道:
-
隧道名稱:可自定義,本例使用了: comfyui注意不要與已有的隧道名稱重復
-
協議:http
-
本地地址:8188
-
域名類型:隨機域名
-
地區:選擇China Top
-
高級:Http Auth:user:123(本例中用戶名user 密碼123)
點擊保存
創建成功后,打開左側在線隧道列表,可以看到剛剛通過創建隧道生成了兩個公網地址,接下來就可以在其他電腦(異地)上,使用任意一個地址在瀏覽器中訪問即可。
如下圖所示,輸入設置的用戶名及密碼(也可以不設置高級,就無需用戶名密碼直接登入,安全起見,建議配置高級)
可以看到成功實現使用公網地址異地遠程訪問本地部署的 Stable Diffusion3.5大模型!
小結
為了方便演示,我們在上邊的操作過程中使用了cpolar生成的HTTP公網地址隧道,其公網地址是隨機生成的。這種隨機地址的優勢在于建立速度快,可以立即使用,然而,它的缺點是網址是隨機生成,這個地址在24小時內會發生隨機變化,更適合于臨時使用。
如果有長期遠程訪問本地 Stable Diffusion3.5 或者其他本地部署的服務的需求,但又不想每天重新配置公網地址,還想地址好看又好記,那我推薦大家選擇使用固定的二級子域名方式來遠程訪問,帶寬會更快,使用cpolar在其他用途還可以保留多個子域名,支持多個cpolar在線進程。(根據cpolar套餐而定)
5. 固定遠程訪問公網地址
由于以上使用cpolar所創建的隧道使用的是隨機公網地址,24小時內會隨機變化,不利于長期遠程訪問。因此我們可以為其配置二級子域名,該地址為固定地址,不會隨機變化。
登錄cpolar官網,點擊左側的預留,選擇保留二級子域名,地區選擇china vip top,然后設置一個二級子域名名稱,填寫備注信息,點擊保留。
保留成功后復制保留的二級子域名地址:
登錄cpolar web UI管理界面,點擊左側儀表盤的隧道管理——隧道列表,找到所要配置的隧道,點擊右側的編輯
。
修改隧道信息,將保留成功的二級子域名配置到隧道中
-
域名類型:選擇二級子域名
-
Sub Domain:填寫保留成功的二級子域名
-
地區: China VIP
點擊更新
更新完成后,打開在線隧道列表,此時可以看到隨機的公網地址已經發生變化,地址名稱也變成了保留和固定的二級子域名名稱。
最后,我們使用固定的公網地址訪問 ComfyUI 可以看到訪問成功,一個永久不會變化的遠程訪問方式即設置好了,再重新拖入文件,選擇模型就可以了。
在分布式計算技術快速發展的驅動下,人工智能工具本地化部署正引發數字藝術領域的范式變革。通過將Stable Diffusion 3.5算法框架與Cpolar內網穿透系統進行深度整合,創作者得以構建新一代智能創作基礎設施。該解決方案通過三個核心技術創新實現生產力躍遷:
1. 混合計算架構
依托SD 3.5模型的進階渲染模塊,采用基于亞像素分解技術的圖像增強算法,在復雜場景生成時呈現超過40%的效率增益。這種多層級并行處理機制顯著優化了視覺細節的解析度表現。
2. 加密通信協議棧
Cpolar構建的安全通道集成AES-256位加密標準,通過動態密鑰協商機制實現創作數據的完整性保護。該架構在公網傳輸環境中可有效抵御中間人攻擊,確保藝術資產免遭未經授權的訪問或篡改。
3. 智能端口映射系統
基于SDN(軟件定義網絡)技術構建的分布式訪問體系,支持創作者通過智能終端遠程調用本地化模型資源。其自適應帶寬分配機制可實現在異構網絡環境下的低延遲協作,響應時間縮短至200ms以內。
該技術組合突破了傳統云端創作模式的兩大瓶頸:傳輸延時導致的實時性缺失,以及敏感數據跨境流動的風險管控難題。具體效能提升體現在:
- 移動生產力場景:5G邊緣計算節點支持創作者在野外環境下實現毫秒級模型響應
- 權限管理系統:多層級生物特征認證體系(包括虹膜識別與聲紋驗證)保障創作資產的分級訪問安全
- 集群渲染方案:通過NVIDIA GPU資源池化技術,單次任務可并行處理超過500個3D建模作業
從建筑可視化到數字人像構建,該解決方案正在重塑藝術創作的技術邊界。其價值不僅體現在數據主權與網絡性能的優化平衡上,更在于將AI模型的算力轉化為無限創意的可能性空間。這種新型基礎設施架構重新定義了"創作-渲染-協作"的全流程效率標準,標志著數字藝術生產進入全棧可控的新紀元。