本地AI绘画替代Midjourney：Stable Diffusion/FLUX完全指南
每月花$10-$60订阅Midjourney？DALL-E 3按token烧钱？如果你有一张显卡，完全可以把这些钱省下来，用开源工具在本地实现同样（甚至更好）的AI绘画效果。本文带你从零开始搭建本地AI图像生成环境。
一、付费工具定价分析
Midjourney
- Basic Plan：$10/月，约200张图/月（约3.3小时GPU时间）
- Standard Plan：$30/月，15小时快速生成
- Pro Plan：$60/月，30小时快速生成 + 隐身模式
- 换算成本：按Standard计算，一年$360，三年$1080
DALL-E 3
- 通过ChatGPT Plus使用：$20/月（包含在订阅中）
- API调用：标准1024x1024约$0.04/张，HD 1024x1792约$0.08/张
- 日均生成50张HD图：约$120/月
痛点总结：月费叠加成本高，生成数量受限，风格受平台控制，图片版权归属模糊。
二、免费替代方案介绍
1. Stable Diffusion WebUI（AUTOMATIC1111）
最成熟的开源AI绘画方案，社区生态最完善。支持LoRA、ControlNet、图像修复等大量插件。GitHub仓库：https://github.com/AUTOMATIC1111/stable-diffusion-webui
2. ComfyUI
节点式工作流引擎，适合进阶用户。可精确控制每一步处理，支持复杂工作流编排，性能优化好。GitHub仓库：https://github.com/comfyanonymous/ComfyUI
3. FLUX（Black Forest Labs）
由Stable Diffusion原班人马开发的新一代模型。FLUX.1-dev质量接近Midjourney v6，文字渲染能力远超SD系列。GitHub仓库：https://github.com/black-forest-labs/flux
4. Fooocus
最简化的选择，界面类似Midjourney，一键生成。适合不想折腾的用户，开箱即用。GitHub仓库：https://github.com/lllyasviel/Fooocus
三、硬件需求
| 硬件 | 最低要求 | 推荐配置 |
|---|---|---|
| GPU显存 | 6GB（SD 1.5） | 12GB+（SDXL/FLUX） |
| 内存 | 16GB | 32GB |
| 硬盘 | 20GB | 100GB+（多模型） |
| GPU型号 | GTX 1060 6GB | RTX 3060 12GB+ |
四、安装部署步骤
方案一：Stable Diffusion WebUI（推荐新手）
# 1. 安装基础依赖（Ubuntu/Debian）
sudo apt update && sudo apt install -y wget git python3 python3-venv libgl1 libglib2.0-0
# 2. 克隆仓库
cd ~
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
# 3. 下载模型（以SD 1.5为例）
mkdir -p models/Stable-diffusion
wget -O models/Stable-diffusion/v1-5-pruned-emaonly.safetensors \
https://huggingface.co/runwayml/stable-diffusion-v15/resolve/main/v1-5-pruned-emaonly.safetensors
# 4. 启动WebUI（首次会自动安装依赖）
./webui.sh --xformers --api
启动后访问 http://localhost:7860 即可使用。
方案二：Fooocus（最简安装）
# 1. 克隆仓库
cd ~
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus
# 2. 创建虚拟环境并安装
python3 -m venv venv
source venv/bin/activate
pip install -r requirements_versions.txt
# 3. 启动（首次运行自动下载模型）
python entry_with_update.py --preset default
方案三：ComfyUI（进阶用户）
# 1. 克隆仓库
cd ~
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 2. 安装依赖
python3 -m venv venv
source venv/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt
# 3. 下载SDXL模型
wget -O models/checkpoints/sd_xl_base_1.0.safetensors \
https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors
# 4. 启动
python main.py --listen 0.0.0.0
方案四：FLUX安装
# 在ComfyUI基础上，下载FLUX模型
cd ~/ComfyUI
mkdir -p models/unet models/clip
# 下载FLUX.1-schnell（快速版，无需token）
wget -O models/unet/flux1-schnell.safetensors \
https://huggingface.co/black-forest-labs/FLUX.1-schnell/resolve/main/flux1-schnell.safetensors
# 或下载FLUX.1-dev（需要HuggingFace token）
pip install huggingface_hub
huggingface-cli download black-forest-labs/FLUX.1-dev --local-dir models/flux-dev
五、使用示例
Stable Diffusion WebUI 文生图
import requests
import base64
# 调用本地API
txt2img_url = "http://127.0.0.1:7860/sdapi/v1/txt2img"
payload = {
"prompt": "a cyberpunk city at night, neon lights, rain, cinematic lighting",
"negative_prompt": "blurry, low quality, deformed",
"steps": 30,
"width": 512,
"height": 512,
"cfg_scale": 7.5,
"sampler_name": "DPM++ 2M Karras"
}
response = requests.post(txt2img_url, json=payload)
result = response.json()
# 保存图片
with open("output.png", "wb") as f:
f.write(base64.b64decode(result["images"][0]))
print("图片已保存到 output.png")
ComfyUI API调用
import requests
import json
import uuid
workflow = {
"client_id": str(uuid.uuid4()),
"prompt": {
"1": {
"class_type": "KSampler",
"inputs": {
"seed": 42, "steps": 25, "cfg": 7.5,
"sampler_name": "dpmpp_2m", "scheduler": "karras",
"denoise": 1.0, "model": ["2", 0],
"positive": ["3", 0], "negative": ["4", 0],
"latent_image": ["5", 0]
}
},
"2": {"class_type": "CheckpointLoaderSimple",
"inputs": {"ckpt_name": "sd_xl_base_1.0.safetensors"}},
"3": {"class_type": "CLIPTextEncode",
"inputs": {"text": "a beautiful sunset over mountains", "clip": ["2", 1]}},
"4": {"class_type": "CLIPTextEncode",
"inputs": {"text": "ugly, blurry", "clip": ["2", 1]}},
"5": {"class_type": "EmptyLatentImage",
"inputs": {"width": 1024, "height": 1024, "batch_size": 1}},
"6": {"class_type": "VAEDecode",
"inputs": {"samples": ["1", 0], "vae": ["2", 2]}},
"7": {"class_type": "SaveImage",
"inputs": {"filename_prefix": "comfyui", "images": ["6", 0]}}
}
}
resp = requests.post("http://127.0.0.1:8188/prompt", json=workflow)
print(f"任务已提交: {resp.json()}")
六、功能对比表
| 功能 | Midjourney | DALL-E 3 | SD WebUI | ComfyUI | Fooocus | FLUX |
|---|---|---|---|---|---|---|
| 月费 | $10-60 | $20+/API | 免费 | 免费 | 免费 | 免费 |
| 文字理解 | 优秀 | 顶级 | 中等 | 中等 | 中等 | 优秀 |
| 图片质量 | 顶级 | 优秀 | 优秀 | 优秀 | 优秀 | 顶级 |
| 文字渲染 | 差 | 优秀 | 差 | 差 | 差 | 优秀 |
| LoRA支持 | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ |
| ControlNet | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ |
| API接口 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
| 本地运行 | ❌ | ❌ | ✅ | ✅ | ✅ | ✅ |
| 图片隐私 | 云端 | 云端 | 完全本地 | 完全本地 | 完全本地 | 完全本地 |
| 上手难度 | 低 | 低 | 中 | 高 | 低 | 中 |
| 扩展插件 | ❌ | ❌ | 极丰富 | 丰富 | 有限 | 通过ComfyUI |
| 硬件要求 | 无 | 无 | 6GB+ | 6GB+ | 6GB+ | 12GB+ |
七、省钱计算器
假设你每月使用情况：生成图片约300张，使用Standard级别质量。
| 方案 | 月成本 | 年成本 | 3年总成本 |
|---|---|---|---|
| Midjourney Standard | $30 | $360 | $1,080 |
| DALL-E 3 API | $12 | $144 | $432 |
| 本地SD/FLUX（含电费） | ~$3电费 | ~$36 | ~$108 |
| 本地SD/FLUX（含GPU投入） | RTX 3060约$250 | - | $250+$108=$358 |
结论：即使算上显卡成本，本地方案在第一年就能回本，长期使用基本零成本。如果已经有游戏显卡，那就是纯省钱。
八、进阶玩法
- LoRA微调：用自己的照片训练专属模型，生成特定风格或人物
- ControlNet：精确控制图片构图、姿势、边缘
- ComfyUI工作流：构建复杂的图片处理管线，批量生产
- AI放大：配合Real-ESRGAN将小图放大4-8倍，质量不损失
- 图片转视频：配合AnimateDiff将静态图转为短视频
总结
开源AI绘画工具已经非常成熟，对于个人用户和小团队来说，完全不需要为Midjourney或DALL-E付费。唯一的门槛是一张像样的显卡，但考虑到长期使用成本，买一张RTX 3060 12GB（二手约$200）是最划算的投资。
如果你只是偶尔用用，Fooocus是最省心的选择；如果想要最大灵活性，ComfyUI是终极方案；如果追求最新最强的模型质量，FLUX值得一试。
评论