AI绘画Stable Diffusion教程|SD 必备教程菜鸟轻松成高手云端部署第六期如何下载扩展插件

本文链接：https://blog.csdn.net/ccccccsaa/article/details/144220160

在许多的教程里，你能看到各位大佬们的Webui是这样的

但当你看完了大佬们的教程，当你踌躇满志，斗志昂扬准备放手大干的时候，却发现自己打开的SD画面是这样的什么插件都没有，甚至怀疑两者用的不是同一个软件。

这其实是很多初学者在学习SD软件应用的时候所遇到的最大障碍。但其实你和大佬之间的差距并不大，大佬们的程序之所以显得这么功能强大，是因为大佬的程序，比你多下了一些小小的扩展插件。这次就教大家如何为自己的Webui安装扩展插件。

跟任何一种新的生产力工具都是一样的，原装的SD只满足于基本的文生图和图生图功能，功能没有很多，界面也很朴素。但得益于SD的开源导致SD的生态非常好，为功能的百花齐放提供了坚实的基础。另外这些额外的功能都是被各种第三方制作，并且以扩展插件的形式接入webui中。现在很多的功能，包括layerdiffuse和controlnet，这样的功能，实际上本质都是一个又一个的扩展插件包。基于这些扩展包，就能在sd中完成提示词的补全、翻译，乃至于提示词的反推，图像的无损放大以及添加各式各样的细节等等功能。

那怎么下载呢，在sd中这些与扩展相关的功能都存在于sd中扩展的这个标签内。如图

已安装标签内是现在已安装的插件，可以看到现在的插件除了内置的几个外，只有几个很基础的提示词推演和汉化补丁插件，后面的两个标签可以帮助你从外部安装更多的扩展插件。

在目前的webui中有三种可选的插件安装手段。

第一种是利用内置的列表查询安装，比较像是Comfyui安装缺失的节点。打开可用标签。可以看到大部分制作的插件，都被webui的作者记在了一个表格上就是最上面的这个Github的地址上，通过这个点击加载自救恩那个看到这些插件了，除了插件的内容还有一些关于插件的简单文本介绍，可以让人比较直观的看到插件的作用与内容。当让webui的作者也会有漏掉一些有用的插件，这个时候如果还想要下载那么该怎么操作呢？这就是要采用第二种方式了。

第二种方式就是直接从网址下载，一般开发者在开发出一款新的SD插件后会把插件的源码上传到开源网站github上，找到想要下载插件的代码仓库，将代码仓库完整的复制到从网址安装这个界面中。然后点击安装就能把插件安装下来了，等到安装完成后，可以选择重启webui激活插件。

以上的两种就是目前最为主流的扩展安装方式，原本到这里就可以结束了。但大家发现一个问题没有，这两种安装方式本质上其实是靠程序的后台从GitHub上面去把程序下载过来，但关键GitHub并不是国内假设的网站，非常容易安装失败，那么不会的朋友该怎么做呢，这就是我们的第三种办法。

第三种办法原理也不复杂其实每一个扩展都是一个单独的文件夹，可以先从通过其他手段网盘分享也好，镜像站也好，先把插件下载下来，然后打开SD的后台，直接将插件放入extensions中，并且把相对应的插件模型方如model文件夹中的对应位置。也能起到对应的作用。

唯一的问题是某些很好用的插件其实没这么简单，安装显示成功，并不代表着可以在你的webui上使用，那些插件往往需要特定的环境依赖，一般的初学者其实是无法搞定这些东西的。

这里我向大家隆重推荐算网云平台，算网云平台的服务具有以下突出特色：首先，采用的是kubernetes，简称K8s容器模式。K8s容器在资源隔离方面表现十分不错，我们的容器模式使平台能够有力保障性能，确保你的训练任务不受其他用户干扰。其次，实现真正的 GPU 独占。在K8s容器模式下，显卡是可以做到独享的，让你的显卡完全为你所用。并且内置了SD现在最为主流的三个Webui、Comfyui以及Forgeui，并且还集成了市面上大多数的扩展插件。演示一下

在进行完注册或者登录之后，点击工作台按钮

点击新增工作空间，根据自己的的钱选择一个合适的显卡配置，如果无法选择表示暂时没有可供选择的CPU（暂时只有4090和4090D两种配置）

选择想要启动的镜像然后点击确定后开始部署，要注意的是目前平台提供4种不同的购买周期，购买的周期越长，以flux镜像作为演示。

镜像部署需要一定时间，大致等待一分钟左右即可，状态为运行中后，表示部署成功开始计费

点击Webui实例进入镜像

启动成功

本地部署 SD 控制权更高，能自主掌握硬件配置与软件优化，保障性能契合特定需求，数据处理不受网络延迟干扰，适用于实时处理或重视数据隐私场景。虽初期硬件投入大，但长远看使用成本或低于云部署。然而，其扩展性不足，硬件资源固定，难以应对大规模任务突发增长。且用户需自行管理维护硬件，包括定期升级与维修。所以，云部署适合短期项目或资源弹性需求大的任务，本地部署则更契合长期使用且注重数据掌控的情形。