Ошибка CUDA out of memory при первом запуске Stable Diffusion почти всегда означает одно: видеопамяти видеокарты не хватает для выбранной модели и разрешения генерации. Именно объём VRAM, а не мощность процессора или объём оперативной памяти, определяет, запустится ли нейросеть на вашем компьютере и насколько быстро она будет рисовать.
В этой статье разберём минимальные и комфортные системные требования для локального запуска Stable Diffusion через популярные интерфейсы — Automatic1111 WebUI, ComfyUI и Fooocus. Отдельно рассмотрим, как запустить генерацию на слабом железе и что делать, если дискретной видеокарты нет вовсе.
Минимальные системные требования
Stable Diffusion изначально рассчитан на видеокарты NVIDIA с поддержкой CUDA. Минимальной планкой для запуска базовых моделей семейства SD 1.5 принято считать видеокарту с 4 ГБ видеопамяти — например, GTX 1650 или GTX 1050 Ti. На таком железе генерация картинки 512×512 займёт от нескольких десятков секунд до пары минут в зависимости от числа шагов.
Помимо видеокарты потребуется:
- 🖥️ Оперативная память — от 8 ГБ, комфортно от 16 ГБ;
- 💾 Свободное место на диске — от 20–30 ГБ с учётом моделей, желателен SSD;
- 🧮 Процессор — любой современный 4-ядерный CPU, он почти не влияет на скорость генерации;
- 🪟 ОС — Windows 10/11 64-bit или Linux; на macOS запуск возможен на чипах Apple Silicon через специальные сборки.
Учтите, что 4 ГБ VRAM — это режим выживания с ключами оптимизации. Без них интерфейс может не запуститься или падать при генерации изображений выше 512×512.
Рекомендуемые требования для комфортной работы
Для комфортной работы с моделями SD 1.5 и SDXL без танцев с флагами оптимизации ориентируйтесь на видеокарту с 8–12 ГБ VRAM. Это уровень RTX 3060 12 ГБ, RTX 4060 Ti 16 ГБ или старших моделей. Такой запас позволяет генерировать в разрешении 1024×1024, использовать ControlNet, LoRA и пакетную генерацию без ошибок памяти.
Оперативной памяти желательно 16–32 ГБ: интерфейсы подгружают модели в RAM перед передачей в видеопамять, и при нехватке система начинает активно использовать файл подкачки, что заметно замедляет переключение между моделями. Диск — SSD объёмом от 100 ГБ свободного места, если планируете коллекцию чекпоинтов: одна модель SDXL занимает около 6–7 ГБ, а модели SD 1.5 — примерно 2–4 ГБ.
Сравнительная таблица требований
Ниже — ориентировочная сводка по режимам работы. Точные цифры зависят от интерфейса, версии модели и настроек, поэтому воспринимайте их как отправную точку, а не как жёсткую норму.
| Режим | VRAM | RAM | Пример видеокарты |
|---|---|---|---|
| Минимум (SD 1.5, 512×512) | 4 ГБ | 8 ГБ | GTX 1650 |
| Комфорт (SD 1.5, upscaling) | 6–8 ГБ | 16 ГБ | RTX 3060 12 ГБ |
| SDXL, 1024×1024 | 8–12 ГБ | 16–32 ГБ | RTX 4070 |
| Обучение LoRA / DreamBooth | 12–24 ГБ | 32 ГБ | RTX 3090 / 4090 |
Обратите внимание: обучение собственных моделей и файнтюнинг требуют заметно больше видеопамяти, чем обычная генерация. Для обучения LoRA на SDXL желательно от 12–16 ГБ VRAM, а полный файнтюн на локальной карте часто нереален без облачных сервисов.
Как проверить своё железо перед установкой
Прежде чем скачивать десятки гигабайтов моделей, убедитесь, что система подходит. В Windows объём видеопамяти можно посмотреть в Диспетчере задач: вкладка «Производительность» → «Графический процессор» → строка «Выделенная память GPU». Либо выполните в командной строке:
nvidia-smiУтилита покажет модель карты, объём VRAM и версию драйвера. Если команда не распознаётся — либо драйвер NVIDIA не установлен, либо карта не от NVIDIA.
☑️ Проверка готовности ПК к Stable Diffusion
Вам также понадобится свежий драйвер NVIDIA — старые версии могут конфликтовать с актуальными сборками PyTorch и CUDA. Обновление драйвера — первое действие при любых ошибках запуска.
Запуск на слабом ПК: флаги оптимизации
Если видеопамяти 4–6 ГБ, Automatic1111 и его форки поддерживают специальные аргументы запуска, снижающие потребление VRAM. Они прописываются в файл webui-user.bat в строке COMMANDLINE_ARGS:
set COMMANDLINE_ARGS=--medvram --xformersКратко о назначении основных флагов:
- ⚡ --lowvram — максимальная экономия VRAM для карт с 2–4 ГБ, генерация замедляется;
- ⚡ --medvram — умеренный режим для 4–6 ГБ, разумный компромисс скорости и памяти;
- ⚡ --xformers — оптимизация внимания, снижает расход памяти и ускоряет генерацию на поддерживаемых картах;
- ⚡ --opt-sdp-attention — альтернатива xformers, если тот не устанавливается.
⚠️ Внимание: флаги--lowvramи--medvramснижают скорость генерации, иногда в несколько раз. Не включайте их «про запас» на картах с 8+ ГБ VRAM — используйте только при реальной нехватке памяти.
Запуск на AMD и без дискретной видеокарты
С картами AMD ситуация сложнее: нативная поддержка CUDA недоступна. На Linux возможен запуск через ROCm для ряда моделей Radeon, на Windows существуют сборки на базе DirectML и форки вроде Stable Diffusion WebUI DirectML или SHARK. Скорость и стабильность при этом, как правило, ниже, чем на NVIDIA, а совместимость зависит от конкретной модели карты и версии драйвера — сверяйтесь с документацией выбранной сборки.
Возможен и запуск полностью на процессоре (например, через сборки с поддержкой CPU-режима или OpenVINO для чипов Intel). Однако генерация одного изображения может занимать минуты и десятки минут, поэтому такой вариант годится лишь для экспериментов. Альтернатива слабому железу — облачные сервисы: Google Colab, аренда GPU на специализированных платформах или онлайн-генераторы на базе Stable Diffusion.
Почему интегрированная графика не подходит
Встроенные GPU используют оперативную память вместо выделенной VRAM и не поддерживают CUDA. Формально генерация через DirectML или CPU-режим возможна, но скорость делает практическую работу некомфортной.
Типичные ошибки, связанные с железом
Первый признак нехватки видеопамяти — уже упомянутая ошибка CUDA out of memory. Решается она снижением разрешения, уменьшением batch size до 1, включением флагов оптимизации или переходом на более лёгкую модель. Также помогает закрытие браузера и других программ, занимающих VRAM.
Долгая загрузка моделей и «подвисания» при смене чекпоинта обычно указывают на нехватку оперативной памяти или медленный HDD. Перенос папки с моделями на SSD и увеличение файла подкачки заметно улучшают ситуацию. Если интерфейс вообще не стартует с ошибками CUDA — проверьте версию драйвера NVIDIA и совместимость версии PyTorch с вашей картой.
⚠️ Внимание: при генерации видеокарта работает под полной нагрузкой продолжительное время. Следите за температурой GPU через nvidia-smi или мониторинговые утилиты: перегрев при пакетной генерации на системах с плохим охлаждением — реальный риск троттлинга и сбоев.
⚠️ Внимание: скачивайте модели только с проверенных площадок (например, официальные репозитории Hugging Face или Civitai) и проверяйте файлы антивирусом. В сети встречались чекпоинты с вредоносным кодом в формате pickle — предпочитайте формат .safetensors.
Часто задаваемые вопросы
Запустится ли Stable Diffusion на видеокарте с 4 ГБ VRAM?
Да, модели SD 1.5 запускаются на 4 ГБ с флагами --medvram или --lowvram и разрешением 512×512. Для SDXL такого объёма, как правило, недостаточно без серьёзных ухищрений.
Можно ли работать на видеокарте AMD?
Можно, но с оговорками: на Linux — через ROCm для поддерживаемых моделей Radeon, на Windows — через сборки на DirectML. Скорость и совместимость уступают NVIDIA, поэтому проверяйте поддержку конкретно вашей карты в документации выбранной сборки.
Сколько места нужно на диске?
Сам интерфейс с зависимостями занимает порядка 10–20 ГБ. Дальше всё зависит от коллекции моделей: SD 1.5 — примерно 2–4 ГБ за файл, SDXL — около 6–7 ГБ. Запас в 50–100 ГБ на SSD — разумный ориентир для активной работы.
Влияет ли процессор на скорость генерации?
Практически нет — генерация выполняется на GPU. Процессор участвует лишь в подготовительных задачах, поэтому любой современный 4-ядерный CPU не станет узким местом.
Что делать, если нет подходящего железа?
Используйте облачные варианты: Google Colab, аренду GPU или онлайн-сервисы на базе Stable Diffusion. Это дешевле апгрейда ПК, если генерация нужна время от времени.