Ключевой фактор, определяющий, запустится ли Stable Diffusion на вашем компьютере, — это объём видеопамяти (VRAM): для базовой генерации изображений 512×512 с моделью SD 1.5 достаточно видеокарты с 4 ГБ VRAM, а для комфортной работы с SDXL потребуется уже 8–12 ГБ. Именно нехватка видеопамяти чаще всего вызывает ошибку CUDA out of memory при первом запуске Automatic1111 или ComfyUI.
Однако видеокарта — не единственное требование. Процессор, оперативная память, свободное место на диске и даже версия драйвера NVIDIA влияют на стабильность генерации. Ниже разберём минимальные и рекомендуемые конфигурации, способы запуска на слабом железе и типичные ошибки при несоответствии требованиям.
Минимальные системные требования Stable Diffusion
Минимальная конфигурация позволяет запускать SD 1.5 с пониженными настройками, но работа будет медленной. Генерация одного изображения 512×512 на таком ПК может занимать от одной до нескольких минут в зависимости от видеокарты.
- 🎮 Видеокарта: NVIDIA с 4 ГБ VRAM и поддержкой CUDA (например, GTX 1650 или старше)
- 🧠 Оперативная память: от 8 ГБ, желательно 16 ГБ
- ⚙️ Процессор: любой современный 4-ядерный CPU с поддержкой 64-битных инструкций
- 💾 Диск: от 20–30 ГБ свободного места под модели и окружение Python
- 🖥️ ОС: Windows 10/11 64-bit, Linux или macOS (с ограничениями)
Учтите: минимальные требования — это порог запуска, а не комфортной работы. На 4 ГБ VRAM придётся использовать флаги оптимизации --lowvram или --medvram, которые снижают скорость генерации.
⚠️ Внимание: видеокарты AMD и встроенная графика Intel поддерживаются ограниченно. Для AMD на Windows потребуется сборка с DirectML, а на Linux — ROCm, причём совместимость зависит от конкретной модели карты и версии драйвера. Перед покупкой железа сверьтесь с документацией выбранного интерфейса (Automatic1111, ComfyUI, Fooocus).
Рекомендуемые требования для комфортной работы
Если вы планируете генерировать изображения в высоком разрешении, обучать LoRA или работать с SDXL, минимальной конфигурации не хватит. Комфорт начинается с видеокарты уровня RTX 3060 12 ГБ — это самая популярная точка входа для серьёзной работы со Stable Diffusion благодаря большому объёму VRAM при умеренной цене.
Рекомендуемая конфигурация выглядит так: видеокарта NVIDIA с 8–12 ГБ VRAM, 16–32 ГБ оперативной памяти, SSD на 100+ ГБ и процессор уровня Ryzen 5 или Core i5 последних поколений. С таким ПК генерация 512×512 занимает несколько секунд, а SDXL-изображения — десятки секунд.
Таблица требований по моделям
Разные поколения моделей Stable Diffusion предъявляют разные требования к видеопамяти. Ниже — ориентировочные значения для запуска без экстремальных оптимизаций.
| Модель | Минимум VRAM | Комфортно | Типичное разрешение |
|---|---|---|---|
| SD 1.5 | 4 ГБ | 6–8 ГБ | 512×512 |
| SD 2.1 | 6 ГБ | 8 ГБ | 768×768 |
| SDXL 1.0 | 8 ГБ | 12 ГБ | 1024×1024 |
| SD 3 / 3.5 | 8–12 ГБ | 16+ ГБ | 1024×1024 |
| Обучение LoRA (SD 1.5) | 8 ГБ | 12+ ГБ | — |
Эти цифры ориентировочные: фактическое потребление памяти зависит от разрешения, размера батча, включённых расширений и используемого интерфейса. ComfyUI, например, экономнее расходует VRAM благодаря умной выгрузке узлов, чем Automatic1111 при тех же настройках.
Как запустить Stable Diffusion на слабом ПК
Не хватает видеопамяти — не беда: существует несколько проверенных способов снизить потребление VRAM. Главный компромисс всегда один — скорость генерации падает, но сама возможность работы сохраняется.
В Automatic1111 параметры запуска задаются в файле webui-user.bat через переменную COMMANDLINE_ARGS. Пример строки для слабой карты:
set COMMANDLINE_ARGS=--lowvram --xformers --opt-split-attention☑️ Оптимизация Stable Diffusion под слабый ПК
- 🚀 --medvram — умеренная экономия VRAM с небольшой потерей скорости
- 🐢 --lowvram — максимальная экономия, генерация заметно медленнее
- ⚡ --xformers — оптимизация внимания, снижает потребление памяти без потери качества
- ☁️ Облачные сервисы — аренда GPU (Google Colab и аналоги) как альтернатива апгрейду
Если VRAM критически мало (2–3 ГБ), рассмотрите генерацию на CPU через флаг --use-cpu all. Скорость будет очень низкой — одно изображение может генерироваться десятки минут, — но для знакомства с интерфейсом этого достаточно.
Ошибка CUDA out of memory: причины и решения
Ошибка CUDA out of memory означает, что видеокарте не хватило памяти для текущей задачи. Возникает она при слишком высоком разрешении, большом размере батча, загруженной тяжёлой модели или включённых расширениях вроде ControlNet.
Что проверить в первую очередь: уменьшите разрешение до 512×512 и размер батча до единицы, затем перезапустите интерфейс с флагом --medvram. Если ошибка сохраняется — обновите драйвер NVIDIA до актуальной версии и убедитесь, что в системе установлена подходящая версия PyTorch с поддержкой CUDA.
⚠️ Внимание: после сбоя CUDA out of memory память может остаться «зависшей» в текущем процессе. Полностью перезапустите веб-интерфейс, а не просто повторяйте генерацию — иначе ошибка будет возникать снова даже на безопасных настройках.
Ещё одна возможная причина — устаревший драйвер. Stable Diffusion требует драйвер NVIDIA с поддержкой современных версий CUDA; точную минимальную версию указывает документация PyTorch, поэтому сверяйтесь с ней при установке конкретной сборки.
Почему VRAM важнее мощности GPU
Stable Diffusion загружает веса модели и промежуточные тензоры целиком в видеопамять. Если они не помещаются, генерация невозможна в принципе — никакая вычислительная мощность это не компенсирует. А вот скорость как раз зависит от вычислительной части: две карты с одинаковым объёмом VRAM могут генерировать одно и то же изображение за разное время.
Выбор видеокарты: на что смотреть
При выборе GPU под Stable Diffusion приоритеты расставляются так: сначала объём VRAM, затем вычислительная производительность, и только потом остальное. Карты NVIDIA предпочтительнее из-за зрелой экосистемы CUDA — большинство интерфейсов и расширений тестируются именно на ней.
Из доступных вариантов чаще всего рекомендуют RTX 3060 12 ГБ как бюджетный старт, RTX 4060 Ti 16 ГБ как вариант с запасом по памяти и карты уровня RTX 4070 и выше для тех, кому важна скорость. Бывшие в употреблении карты с большим объёмом памяти — рабочий способ сэкономить, но проверяйте их состояние перед покупкой.
Часто задаваемые вопросы
Запустится ли Stable Diffusion на видеокарте AMD?
Да, но с оговорками. На Windows используется версия с DirectML (например, сборки Automatic1111 с поддержкой DirectML или интерфейс SHARK), на Linux — ROCm для поддерживаемых моделей карт. Скорость и стабильность обычно ниже, чем на NVIDIA, а часть расширений может не работать. Проверяйте совместимость конкретной модели карты в документации выбранного интерфейса.
Можно ли генерировать изображения без видеокарты, только на процессоре?
Технически да — через режим CPU (--use-cpu all в Automatic1111). Потребуется достаточно оперативной памяти (от 16 ГБ желательно), а генерация одного изображения займёт от нескольких до десятков минут. Такой режим подходит для тестирования, но не для регулярной работы.
Сколько места на диске нужно для Stable Diffusion?
Само окружение с Python занимает несколько гигабайт, а каждая модель — примерно от 2 до 7 ГБ (SDXL-модели крупнее). Рекомендуется зарезервировать минимум 30–50 ГБ, а если планируете коллекцию моделей, LoRA и ControlNet — от 100 ГБ. SSD предпочтительнее: модели загружаются быстрее.
Что лучше для слабого ПК: Automatic1111, ComfyUI или Fooocus?
ComfyUI обычно экономнее расходует VRAM благодаря поэтапной выгрузке данных, Fooocus проще в освоении и имеет встроенные оптимизации, а Automatic1111 предлагает больше расширений, но тяжелее. На картах с 4–6 ГБ имеет смысл попробовать ComfyUI или Fooocus.
Нужен ли интернет для работы Stable Diffusion?
Интернет требуется только на этапе установки: для скачивания интерфейса, зависимостей Python и весов моделей. После этого генерация полностью локальна и работает офлайн — это одно из главных преимуществ Stable Diffusion перед облачными сервисами.