При запуске Stable Diffusion с ошибкой CUDA out of memory или зависанием на этапе загрузки модели первым делом проверьте объём видеопамяти вашей видеокарты — именно нехватка VRAM является причиной большинства сбоев при генерации изображений. Модель в стандартной точности требует заметного объёма видеопамяти, и если её недостаточно, интерфейс AUTOMATIC1111 WebUI либо откажется стартовать, либо будет генерировать картинки по несколько минут с выгрузкой данных в обычную оперативную память.
Второй критичный фактор — наличие видеокарты с поддержкой CUDA, то есть графического процессора NVIDIA. Хотя существуют способы запуска на картах AMD (через DirectML или ROCm на Linux) и даже на процессоре, официальная и наиболее стабильная конфигурация — именно NVIDIA. В этой статье разберём минимальные и комфортные требования к каждому компоненту компьютера, способы снизить нагрузку на слабом железе и типичные ошибки, связанные с несоответствием системы требованиям.
Минимальные и рекомендуемые требования
Точные «официальные» системные требования у Stable Diffusion как таковые отсутствуют — модель распространяется с открытым кодом, а требования определяются способом запуска и выбранным интерфейсом. Ниже приведены ориентиры, сложившиеся на практике для локальной генерации изображений стандартного разрешения (512×512 и выше).
| Компонент | Минимум | Комфортная работа |
|---|---|---|
| Видеокарта | NVIDIA с 4 ГБ VRAM и поддержкой CUDA | NVIDIA с 8–12 ГБ VRAM и более |
| Оперативная память | 8 ГБ | 16–32 ГБ |
| Процессор | 4 ядра | 6–8 ядер и выше |
| Накопитель | SSD, 20–30 ГБ свободно | NVMe SSD, 50+ ГБ свободно |
| ОС | Windows 10/11 64-bit или Linux | Windows 10/11 64-bit или Linux |
Обратите внимание: значения в таблице — практические ориентиры, а не жёсткие пороги. С картой на 4 ГБ VRAM генерация возможна, но потребует включения режимов экономии памяти и ограничит разрешение. С 8 ГБ и более большинство задач решаются без дополнительных ухищрений.
Видеокарта и объём VRAM
Именно видеопамять (VRAM) определяет, какие модели и разрешения вам доступны. Веса модели, промежуточные вычисления и данные VAE-декодера размещаются в памяти GPU, и чем больше свободной VRAM, тем выше разрешение и размер пакета (batch size) можно задать без ошибок.
- 🟢 4 ГБ VRAM — запуск возможен с параметрами оптимизации, разрешение около 512×512, генерация медленная.
- 🟡 6–8 ГБ VRAM — комфортная работа с моделями SD 1.5, базовая поддержка SDXL с оптимизациями.
- 🟠 12 ГБ VRAM — SDXL, обучение LoRA, высокие разрешения без жёстких ограничений.
- 🔴 16+ ГБ VRAM — работа с крупными моделями, большими батчами и ресурсоёмкими расширениями.
Карты AMD поддерживаются ограниченно: на Windows обычно используется сборка WebUI с DirectML, на Linux — ROCm. Производительность и совместимость расширений при этом, как правило, ниже, чем у NVIDIA. Запуск полностью на процессоре технически возможен, но генерация одного изображения может занимать десятки минут, поэтому такой вариант подходит лишь для ознакомления.
⚠️ Внимание: перед покупкой видеокарты проверьте, что она поддерживает CUDA актуальной версии, требуемой используемой сборкой PyTorch. Очень старые GPU NVIDIA могут не поддерживаться свежими версиями фреймворка — уточняйте совместимость в документации к выбранному интерфейсу.
Оперативная память, процессор и накопитель
Оперативная память нужна для загрузки моделей перед передачей в VRAM, работы интерфейса и параллельных задач. 16 ГБ ОЗУ — разумный минимум для комфортной работы: с 8 ГБ система может уходить в файл подкачки при переключении моделей, что заметно замедляет процесс.
Процессор почти не участвует в самой генерации — она выполняется на GPU. Однако от CPU зависят скорость загрузки моделей, предобработка изображений и работа расширений. Современного 4–6-ядерного процессора достаточно; узким местом он станет только при запуске без видеокарты.
Дисковое пространство расходуется быстрее, чем кажется. Каждая модель в формате safetensors занимает от ~2 до ~7 ГБ, а коллекции LoRA, VAE и контрольных моделей быстро разрастаются. Рекомендуется:
- 💾 Установить WebUI и окружение Python на SSD — это сократит время загрузки моделей.
- 💾 Зарезервировать минимум 30–50 ГБ свободного места с запасом на новые модели.
- 💾 Не хранить модели на сетевых или внешних USB-дисках — чтение весов будет медленным.
Как запустить Stable Diffusion на слабом ПК
Если железо не дотягивает до рекомендуемых значений, генерация всё равно возможна — за счёт снижения разрешения и специальных флагов запуска. Вот порядок действий для экономии ресурсов.
Во-первых, добавьте в файл запуска webui-user.bat параметры оптимизации памяти. Для карт с малым объёмом VRAM используются флаги:
set COMMANDLINE_ARGS=--lowvram --xformersПараметр --lowvram разбивает модель на части и подгружает их в VRAM по очереди, а --xformers включает оптимизированный механизм внимания, снижающий потребление памяти. При совсем критической нехватке есть вариант --medvram — менее агрессивный и обычно более быстрый, чем --lowvram.
☑️ Запуск на слабом железе
Во-вторых, снижайте разрешение и количество шагов. Генерация 512×512 требует заметно меньше памяти, чем 1024×1024, а уменьшение числа шагов сокращает время ожидания. В-третьих, закройте фоновые приложения, потребляющие VRAM: браузер с множеством вкладок, игры, видеоредакторы. Даже несколько сотен мегабайт видеопамяти могут решить вопрос запуска.
Альтернатива
облачная генерация:Если апгрейд ПК не планируется, Stable Diffusion можно запускать в облачных сервисах — например, в Google Colab или на арендуемых GPU-серверах. Это требует стабильного интернета и часто подписки, зато снимает требования к локальному железу.
Типичные ошибки, связанные с железом
Ошибка CUDA out of memory означает, что видеопамять исчерпана: уменьшите разрешение, batch size или включите режим экономии VRAM. Если WebUI долго висит на этапе Loading model и система начинает тормозить — вероятно, не хватает оперативной памяти, и данные уходят в файл подкачки.
⚠️ Внимание: не пытайтесь компенсировать нехватку VRAM чрезмерным увеличением файла подкачки Windows. Это не заменит видеопамять для CUDA-вычислений — файл подкачки помогает только с оперативной памятью.
Чёрный квадрат вместо изображения на некоторых картах серии GTX 16xx — известная проблема, связанная с вычислениями в половинной точности. В таком случае помогает запуск с параметрами --precision full --no-half, хотя это увеличивает потребление VRAM. Точный набор флагов зависит от вашей видеокарты и версии PyTorch — сверяйтесь с документацией используемой сборки.
Если генерация работает, но очень медленно, проверьте, действительно ли используется GPU: в диспетчере задач Windows на вкладке «Производительность» загрузка видеокарты должна быть высокой. Низкая загрузка GPU при полной загрузке CPU говорит о том, что PyTorch установлен без поддержки CUDA — переустановите его по инструкции вашего интерфейса.
⚠️ Внимание: при длительной генерации видеокарта работает под полной нагрузкой. Убедитесь, что корпус нормально вентилируется, а блок питания имеет достаточную мощность для вашей GPU — перегрев и нехватка питания приводят к сбросам драйвера и вылетам WebUI.
Выбор между локальным запуском и апгрейдом
Решение об апгрейде стоит принимать, исходя из задач. Для экспериментов с моделями SD 1.5 достаточно карты с 6–8 ГБ VRAM, а вот для SDXL, обучения собственных LoRA и работы с ControlNet в высоких разрешениях желательно 12 ГБ и более. Приоритет апгрейда всегда один: сначала видеокарта, затем оперативная память, затем SSD.
Если бюджет ограничен, разумной стратегией будет начать с облачных сервисов или оптимизированных настроек на имеющемся железе, а апгрейд планировать уже с пониманием реальных потребностей. Объём VRAM — единственный параметр, который нельзя обойти программными ухищрениями без потери скорости и качества работы.
Частые вопросы
Можно ли запустить Stable Diffusion без видеокарты?
Технически да — существует режим генерации на CPU, но одно изображение может создаваться десятки минут. Такой вариант подходит только для ознакомления, для регулярной работы нужна видеокарта, желательно NVIDIA.
Подойдёт ли видеокарта AMD?
Да, но с оговорками. На Windows используется версия WebUI с DirectML, на Linux — ROCm. Совместимость расширений и производительность обычно ниже, чем у NVIDIA, а настройка сложнее. Перед покупкой карты AMD уточните поддержку конкретной модели в документации выбранной сборки.
Сколько места занимает Stable Diffusion на диске?
Сам интерфейс с окружением Python занимает порядка 10–15 ГБ, каждая модель — ещё от 2 до 7 ГБ. С учётом коллекции моделей и расширений закладывайте минимум 30–50 ГБ свободного пространства на SSD.
Что делать при ошибке CUDA out of memory?
Уменьшите разрешение изображения и batch size, закройте программы, потребляющие VRAM, и добавьте флаги экономии памяти (--medvram или --lowvram) в параметры запуска WebUI. Если ошибка сохраняется — модель или разрешение не влезают в объём вашей видеопамяти.
Нужен ли интернет для работы Stable Diffusion?
Интернет требуется только для первоначальной установки и скачивания моделей. Сама генерация выполняется полностью локально и после настройки работает офлайн.