Запуск Stable Diffusion локально чаще всего упирается в одну конкретную проверку: хватает ли вашей видеокарте видеопамяти и поддерживает ли она вычисления на CUDA. Если при генерации появляется ошибка CUDA out of memory или интерфейс зависает на загрузке модели — это первый сигнал, что конфигурация не соответствует требованиям выбранной модели, и начинать нужно именно с диагностики железа.
Локальный запуск даёт полный контроль над генерацией: никаких очередей, лимитов и цензуры облачных сервисов, плюс возможность подключать любые модели, LoRA и расширения. В этой статье разберём требования к железу, пошаговую установку популярных интерфейсов и типовые ошибки, с которыми сталкиваются при первом запуске.
Какое железо нужно для локального запуска
Главный компонент — видеокарта. Для комфортной работы с Stable Diffusion 1.5 обычно достаточно 6–8 ГБ видеопамяти, а для SDXL желательно 10–12 ГБ и больше. Лучше всего поддерживаются карты NVIDIA с CUDA; AMD и встроенная графика работают через обходные пути и заметно медленнее.
Остальная конфигурация тоже имеет значение:
- 🎮 GPU: NVIDIA с поддержкой CUDA, желательно от 8 ГБ VRAM
- 🧠 ОЗУ: от 16 ГБ, при работе с SDXL лучше 32 ГБ
- 💾 Диск: SSD с запасом от 30–50 ГБ — модели весят от 2 до 7 ГБ каждая
- 🖥️ ОС: Windows 10/11 или Linux; на macOS возможен запуск на чипах Apple Silicon через специальные сборки
Если видеопамяти не хватает, это не приговор: существуют режимы экономии VRAM, о которых речь пойдёт ниже. Но честно оцените карту заранее — это сэкономит часы на борьбу с ошибками.
Выбор интерфейса: Automatic1111, ComfyUI или Fooocus
Сама модель — это просто файл весов. Для работы нужен интерфейс, и вариантов несколько. Automatic1111 WebUI — самый популярный и документированный, с огромной базой расширений. ComfyUI использует нодовую систему: сложнее для входа, но гибче и экономичнее по памяти. Fooocus — максимально простой вариант для новичков, где всё работает «из коробки».
| Интерфейс | Сложность | Расход VRAM | Кому подходит |
|---|---|---|---|
| Automatic1111 | Средняя | Средний | Универсальный выбор, много гайдов |
| ComfyUI | Высокая | Низкий | Продвинутые сценарии, слабые карты |
| Fooocus | Низкая | Средний | Новички, быстрый старт |
| SD.Next | Средняя | Средний | Форк A1111 с дополнительными функциями |
Для первого знакомства разумнее всего начать с Automatic1111 — по нему проще всего найти решение любой ошибки. Дальше в статье разберём установку именно на его примере.
Подготовка: Python, Git и зависимости
Перед установкой интерфейса вам нужно подготовить окружение. Потребуется Python версии 3.10.x — именно эта ветка рекомендуется для Automatic1111, более новые версии могут вызывать несовместимость зависимостей. Также необходим Git для клонирования репозитория.
При установке Python на Windows обязательно отметьте галочку Add Python to PATH в первом окне установщика — без этого команды не будут распознаваться в терминале. Проверить корректность установки можно командой:
python --version
git --version
⚠️ Внимание: если в системе уже стоит другая версия Python, не удаляйте её вслепую — от неё могут зависеть другие программы. Проверьте, какая версия вызывается командой python --version, и при необходимости настройте приоритет через переменные окружения.
Установка Automatic1111 по шагам
Процесс установки сводится к клонированию репозитория и запуску скрипта, который сам подтянет зависимости. Выберите папку без кириллицы и пробелов в пути — например, C:\stable-diffusion.
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
Далее запустите файл webui-user.bat двойным кликом. Первая загрузка займёт заметное время: скрипт создаст виртуальное окружение и скачает необходимые библиотеки, включая PyTorch. После завершения в консоли появится локальный адрес, обычно http://127.0.0.1:7860 — откройте его в браузере.
☑️ Чек-лист первого запуска
Без файла модели генерация не начнётся. Скачайте чекпоинт в формате .safetensors (например, с Hugging Face или Civitai) и положите его в папку models/Stable-diffusion внутри директории WebUI. После этого выберите модель в выпадающем списке в левом верхнем углу интерфейса.
Настройка под слабую видеокарту
Если у вас 4–6 ГБ VRAM, генерация возможна, но потребует флагов оптимизации. Их прописывают в файле webui-user.bat в строке set COMMANDLINE_ARGS=.
- ⚡
--medvram— снижает потребление памяти ценой скорости - 🐢
--lowvram— режим для совсем слабых карт, генерация заметно медленнее - ✂️
--xformers— ускоряет вычисления и экономит память на поддерживаемых картах - 📉 Уменьшение разрешения до 512×512 — самый простой способ уложиться в лимит VRAM
Не включайте все флаги сразу. Начните с --medvram и --xformers, проверьте стабильность, и только при нехватке памяти переходите на более жёсткие режимы.
⚠️ Внимание: режим --lowvram может замедлить генерацию в несколько раз. Это нормальное поведение, а не зависание — дождитесь завершения, прежде чем закрывать консоль.
Типовые ошибки и их решение
Самая частая проблема — уже упомянутая ошибка CUDA out of memory. Она означает, что видеопамять переполнена: снизьте разрешение, закройте браузер с тяжёлыми вкладками и другие программы, использующие GPU, добавьте флаги экономии памяти.
Вторая по частоте ситуация — конфликт версий зависимостей после обновления. Возможное решение: удалить папку venv в директории WebUI и запустить webui-user.bat заново — окружение пересоздастся с нуля. Перед этим убедитесь, что модели лежат вне этой папки (они хранятся отдельно, так что удаление venv их не затронет).
Если интерфейс не открывается по адресу 127.0.0.1:7860, проверьте окно консоли: там будет либо ошибка, либо фактический порт, который занял WebUI. Также убедитесь, что брандмауэр или антивирус не блокирует локальное соединение.
Ошибка «Torch is not able to use GPU»
Обычно означает, что PyTorch установлен в CPU-версии или драйвер NVIDIA устарел. Обновите драйвер видеокарты с официального сайта NVIDIA, затем переустановите PyTorch с поддержкой CUDA — проще всего удалить папку venv и дать скрипту установить всё заново.
Где брать модели и как их подключать
Базовые чекпоинты распространяются через платформы Hugging Face и Civitai. Помимо основных моделей существуют дополнительные файлы: LoRA для стилистических корректировок, VAE для улучшения цветопередачи, эмбеддинги для текстовых инверсий. Каждый тип кладётся в свою подпапку внутри models.
При скачивании обращайте внимание на архитектуру: модели для SD 1.5 и SDXL несовместимы между собой. LoRA, обученная под SDXL, не сработает с чекпоинтом SD 1.5 — интерфейс либо проигнорирует её, либо выдаст ошибку.
FAQ: частые вопросы о локальном Stable Diffusion
Можно ли запустить Stable Diffusion без видеокарты NVIDIA?
Да, но с оговорками. Возможна генерация на CPU, однако она крайне медленная. Для карт AMD существуют сборки с поддержкой DirectML (Windows) или ROCm (Linux), на macOS с чипами Apple Silicon работают специальные версии WebUI. Производительность и стабильность в этих вариантах ниже, чем на NVIDIA с CUDA.
Сколько места нужно на диске?
Сам интерфейс с зависимостями занимает порядка 10–15 ГБ, а каждый чекпоинт — от 2 до 7 ГБ в зависимости от архитектуры. Разумно зарезервировать минимум 50 ГБ с запасом на коллекцию моделей.
Нужен ли интернет после установки?
Для генерации — нет, в этом и смысл локального запуска. Интернет нужен только для скачивания моделей, обновления интерфейса и установки расширений.
Чем SD 1.5 отличается от SDXL на практике?
SDXL обучена на большем разрешении и обычно даёт более детализированные изображения с лучшим пониманием промпта, но требует заметно больше видеопамяти и времени на генерацию. SD 1.5 легче, быстрее и имеет огромную библиотеку обученных под неё LoRA.
Безопасно ли скачивать модели со сторонних сайтов?
Скачивайте файлы только с известных площадок и отдавайте предпочтение формату .safetensors — в отличие от .ckpt, он не позволяет встроить исполняемый код. Файлы из сомнительных источников в старых форматах лучше не загружать вовсе.