搭建 Stable Diffusion 图像生成系统并通过 Ngrok 暴露到公网（实现本地系统网络访问）——项目记录

[📚 背景与需求](#📚 背景与需求)

[📝 需求明确](#📝 需求明确)

[🔑 核心功能](#🔑 核心功能)

[🌍 网络优化](#🌍 网络优化)

[🛠️ 方案确认](#🛠️ 方案确认)

[⚙️ 技术栈](#⚙️ 技术栈)

[📈 实现流程（Flask端口+Ngrok注册authtoken）](#📈 实现流程（Flask端口+Ngrok注册authtoken）)

[🎯 优化目标](#🎯 优化目标)

[🔍 实现细节](#🔍 实现细节)

[1. 迁移到 Flask](#1. 迁移到 Flask)

[2. 持久化提示词](#2. 持久化提示词)

[3. 图像下载功能](#3. 图像下载功能)

[4. 配置 ngrok](#4. 配置 ngrok)

[🛠️ 优化过程](#🛠️ 优化过程)

[📊 最终效果编辑](#📊 最终效果编辑)

[📝 总结](#📝 总结)

📚 背景与需求

随着 AI 图像生成 技术的快速进步，Stable Diffusion 已成为热门工具。本项目的目标是将基于 PyQt5 的本地图像生成系统迁移为 Flask 网页应用，并通过 ngrok 暴露到公网，实现远程访问和图像下载功能。

原效果：

网页效果展示（可下载另存为、并通过网页展示）：

手机端访问、下载效果展示

📝 需求明确

系统迁移 ：将 PyQt5 GUI 迁移到 Flask 网页应用。
公网访问 ：通过 ngrok 实现公网 URL 访问。

🔑 核心功能

输入提示词生成图像 ：支持 Stable Diffusion 以及 img2img 生成模式。
调整推理步数和优化强度：提供自定义生成参数。
持久化历史提示词 ：使用 JSON 文件 保存历史生成记录。
支持图像查看、删除和下载：方便用户管理生成的图像。

🌍 网络优化

确保网络环境下 URL 稳定 ：采用 ngrok 或 NATAPP 优化访问稳定性。

🛠️ 方案确认

⚙️ 技术栈

后端：Flask (Python)
前端：HTML + CSS
模型：Stable Diffusion v1.5
内网穿透：ngrok（备用 NATAPP）

📈 实现流程（Flask端口+Ngrok注册authtoken）

从 PyQt5 提取图像生成逻辑，迁移到 Flask ：实现图像生成的 Web 接口。

端口很重要，这里随机设置为5000

Flask安装完成：
用 JSON 文件保存历史提示词 ：避免每次启动时丢失历史记录。
添加图像下载功能 ：允许用户下载生成的图像。

生成过程仍需保持科学上网，否则报错
配置 ngrok 暴露服务 ：通过公网 URL 进行访问。首先安装ngrok，注册，
Download ngrok下载解压后会有一个ngrok.exe应用程序，

cd D:\应用\app\ngrok-v3-stable-windows-amd64

ngrok.exe http 5000
随后在注册界面，复制下面命令并在cmd界面输入

复制这段ID，在ngrok运行，链接成功则会出现显眼的online字样，下面的forwarding就是可供他人访问的网址
输入命令,++他人可通过网址访问++ ，由于是免费版，++每次地址域名不一致且时间有限++

🎯 优化目标

修复"未知提示词"显示问题：确保历史提示词能够正确加载。
支持推理参数调整：允许用户自定义生成过程的步数和优化强度。
确保下载功能在公网可用：测试并确认公网环境下的图像下载流畅。

🔍 实现细节

1. 迁移到 Flask

PyQt5 分析：提取图像生成逻辑和历史管理部分。
Flask 设计：
- 创建 app.py，定义路由处理提示词输入和图像生成。
- 使用 render_template_string 渲染 HTML 界面。
模型加载：
- 全局加载 Stable Diffusion 模型，避免每次请求时重新初始化。

2. 持久化提示词

问题：重启后提示词显示为"未知提示词"。
解决方案：
- 使用 history.json 文件保存历史数据。
- 每次生成或删除图像时更新 JSON 文件。
- 启动时从 JSON 文件加载历史记录。

3. 图像下载功能

实现：
- 添加 /download/<filename> 路由，使用 send_file(as_attachment=True) 进行文件发送。
- 在 HTML 中为历史记录添加下载链接。
验证：
- 通过 ngrok 提供的公网 URL 测试图像下载功能。

4. 配置 ngrok

步骤：
- 注册 ngrok，获取 authtoken。
- 运行 ngrok config add-authtoken <token>。
- 启动 Flask 后，运行 ngrok http 5000，获取公网 URL。
网络优化：
- 在中国环境下，使用 VPN 或 NATAPP 确保网络稳定性。

🛠️ 优化过程

提示词持久化：通过 JSON 文件解决"未知提示词"问题，保证每次启动时历史提示词正确显示。
下载功能：从仅能查看图像升级为支持图像下载。
网络稳定性：若 ngrok 不稳定时，及时切换为 NATAPP。

📊 最终效果

本地访问 ：http://localhost:5000 功能完整，图像生成和管理顺畅。
公网访问：通过 ngrok 生成的 URL，支持图像生成、查看、删除和下载。
用户体验：提示词正常显示，下载功能流畅，满足用户需求。

📝 总结

本项目成功将原本基于 PyQt5 的图像生成系统迁移为 Flask Web 应用 ，并通过 ngrok 实现公网访问。通过优化提示词持久化机制和图像下载功能，进一步提升了用户体验。未来可以考虑扩展更多功能，如图像上传和更复杂的生成模式。

以前的扩散项目：
深度学习项目记录·Stable Diffusion从零搭建、复现笔记-CSDN博客

SD + Contronet，扩散模型V1.5+约束条件后续优化：保存Canny边缘图，便于视觉理解------stable diffusion项目学习笔记-CSDN博客

这篇系统基于Pyqt实现。
Stable Diffusion+Pyqt5：实现图像生成与管理界面（带保存 + 历史记录 + 删除功能）------我的实验记录（结尾附系统效果图）-CSDN博客