4GB内存的AI绘图：把不可能变成可能

很多人以为4GB内存的电脑完全没法跑AI绘图。但实际上通过选择正确的模型和调整启动参数，4GB内存（配合2-4GB共享显存的集成显卡）也可以生成质量不错的AI图片。本文从模型选择、启动参数、运行模式三个角度讲解具体方法。

一、最适合4GB内存的轻量化模型

1.1 SSD-1B（Segmind Stable Diffusion）

SSD-1B是Segmind发布的轻量SD模型，参数量只有1.3B（标准SD 1.5是860M参数量优化的新架构）。显存需求仅1.5-2GB，出图速度快2-3倍。从HuggingFace下载SSD-1B模型（segmind/SSD-1B），放入models/Stable-diffusion目录。出图质量接近SD 1.5，在低配电脑上的表现很出色。

1.2 TinySD / Small Stable Diffusion

TinySD系列模型将参数量压缩到最小。推荐TinySD-1.5版本，大小仅700MB，显存需求约800MB-1.2GB。出图速度比标准SD 1.5快5倍。虽然细节不如大模型丰富，但生成512x512的概览图完全可用。特别适合先用TinySD快速构思构图和配色，满意后再用大模型精修。

1.3 SDXL-Turbo（低步数模型）

SDXL-Turbo可以在1-4步内出图，显存需求约3GB。对于4GB内存+共享显存的电脑，SDXL-Turbo可能是最佳选择。缺点是需要降低分辨率到384x384或448x448。从LiblibAI搜索SDXL-Turbo下载GGUF格式模型配合sd.cpp使用效果更好。

二、启动参数设置

2.1 SD WebUI启动参数

编辑webui-user.bat的COMMANDLINE_ARGS=行：set COMMANDLINE_ARGS=--lowvram --opt-split-attention --no-half-vae --always-batch-cond-uncond --disable-nan-check --medvram-sdxl --precision full。每个参数的作用：--lowvram将模型逐层加载到显存而非一次性全部加载（最关键的参数）；--no-half-vae防止VAE精度下降导致出图异常；--always-batch-cond-uncond优化条件/无条件推理的显存分配；--precision full使用完整精度而非半精度（对低显存更稳定）；--disable-nan-check关闭NaN检查（减少内存检查开销）。保存后重启SD。

2.2 Windows系统优化

在系统属性→高级→性能设置→调整为最佳性能（关闭所有视觉效果）。虚拟内存设为内存的2倍（4GB→8GB），放在SSD上。关闭所有非必要程序（Chrome、Steam等）。在NVIDIA控制面板中将SD设为最高性能优先。编辑webui-user.bat添加set PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:32来限制PyTorch的显存分配粒度。

三、CPU模式运行（完全集成显卡）

如果连集成显卡都没有或不想用，SD支持纯CPU模式。在webui-user.bat中设置：set COMMANDLINE_ARGS=--use-cpu all --precision full --no-half。一张384x384的图用CPU渲染约30秒到3分钟（取决于CPU型号）。虽然慢但至少能出图。更推荐CPU用户使用sd.cpp（stable-diffusion.cpp）：从GitHub下载预编译版本→下载GGUF格式模型→运行命令生成图片。sd.cpp在CPU上的速度比SD WebUI快2-3倍。

四、生图参数优化

分辨率极限：最多384x384（可用512x384实验性尝试）。采样器：Euler a最省显存，步数15步足够。CFG Scale设为7。Batch Size=1。关闭ControlNet和任何额外模型。不要使用高清修复（Hires.fix）。如果出了满意的构图但分辨率太低，在系统内存更多（8GB+）的电脑上重新生成。

总结

4GB内存跑AI绘图的五大关键：选轻量化模型（SSD-1B/TinySD）→使用--lowvram参数→降低分辨率到384x384→优先使用Euler a采样器→系统优化关闭视觉效果。出图速度可能不快（30秒到3分钟一张），但确实可以跑起来。