Stable Diffusion WebUI

Führe AUTOMATIC1111 Stable Diffusion WebUI auf Clore.ai-GPUs aus

Die beliebteste Weboberfläche für Stable Diffusion auf CLORE.AI-GPUs.

Alle Beispiele können auf GPU-Servern ausgeführt werden, die über CLORE.AI Marketplace.

Serveranforderungen

Parameter	Minimum	Empfohlen
RAM	16GB	32GB+
VRAM	8GB	12GB+
Netzwerk	500Mbps	1Gbps+
Startzeit	10–20 Minuten	-

Startzeit: Beim ersten Start werden Python-Abhängigkeiten installiert und das Basismodell heruntergeladen (10–20 Minuten, abhängig von der Netzwerkgeschwindigkeit). HTTP 502 während dieser Zeit ist normal.

Warum SD WebUI?

• Funktional reich - txt2img, img2img, Inpainting, Outpainting

• Erweiterungen - Großes Ökosystem von Plugins

• Benutzerfreundlich - Intuitive Weboberfläche

• Gut dokumentiert - Große Community-Unterstützung

📚 Siehe auch: Wie man Stable Diffusion auf einer Cloud-GPU betreibt

Schnelle Bereitstellung auf CLORE.AI

Docker-Image:

universonic/stable-diffusion-webui:latest

Ports:

22/tcp
8080/http

Befehl:

./webui.sh --listen --xformers

Überprüfen, ob es funktioniert

Nach der Bereitstellung finden Sie Ihre http_pub URL in Meine Bestellungen:

# Prüfen, ob die UI erreichbar ist (kann beim ersten Start 10–20 Min dauern)
curl https://your-http-pub.clorecloud.net/

Wenn Sie länger als 20 Minuten HTTP 502 erhalten, prüfen Sie:

1. Server hat 16GB+ RAM

2. Server hat 8GB+ VRAM

3. Netzwerkgeschwindigkeit ist ausreichend zum Herunterladen von Abhängigkeiten

Zugriff auf Ihren Dienst

Bei Bereitstellung auf CLORE.AI greifen Sie auf SD WebUI über die http_pub URL:

• Web-UI: https://your-http-pub.clorecloud.net/

• API (falls aktiviert): https://your-http-pub.clorecloud.net/sdapi/v1/

Alle localhost:7860 Die folgenden Beispiele funktionieren, wenn über SSH verbunden. Für externen Zugriff ersetzen Sie durch Ihre https://your-http-pub.clorecloud.net/ URL.

Installation

Verwendung von Docker (empfohlen)

docker run -d --gpus all \
    -p 8080:8080 \
    -v sd-webui-data:/app/stable-diffusion-webui \
    universonic/stable-diffusion-webui:latest

Manuelle Installation

# Abhängigkeiten installieren
sudo apt install python3.10 python3.10-venv git wget

# Repository klonen
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui

# Ausführen (installiert automatisch alles)
./webui.sh --listen --xformers

Verzeichnisstruktur

stable-diffusion-webui/
├── models/
│   ├── Stable-diffusion/   # Hauptmodelle (.safetensors)
│   ├── Lora/               # LoRA-Modelle
│   ├── VAE/                # VAE-Modelle
│   ├── ControlNet/         # ControlNet-Modelle
│   └── ESRGAN/             # Upscaler
├── embeddings/             # Textuelle Inversionen
├── extensions/             # Installierte Erweiterungen
├── outputs/                # Generierte Bilder
└── scripts/                # Eigene Skripte

Modelle herunterladen

Checkpoints

cd models/Stable-diffusion

# SD 1.5
wget https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors

# SDXL
wget https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

# Realistic Vision (fotorealistisch)
wget "https://civitai.com/api/download/models/245598" -O realisticVision_v60B1.safetensors

# DreamShaper (künstlerisch)
wget "https://civitai.com/api/download/models/351306" -O dreamshaper_8.safetensors

VAE (bessere Farben)

cd models/VAE

# SD 1.5 VAE
wget https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.safetensors

# SDXL VAE
wget https://huggingface.co/stabilityai/sdxl-vae/resolve/main/sdxl_vae.safetensors

Grundlegende Verwendung

txt2img (Text zu Bild)

1. Modell aus dem Dropdown auswählen

2. Positiven Prompt eingeben: was Sie möchten

3. Negativen Prompt eingeben: was vermieden werden soll

4. Abmessungen einstellen (512x512 für SD1.5, 1024x1024 für SDXL)

5. Auf Generieren klicken

img2img (Bild zu Bild)

1. Zum Tab img2img gehen

2. Quellbild hochladen

3. Prompt eingeben, der die gewünschten Änderungen beschreibt

4. Anpassen Rauschreduktionsstärke (0.3-0.8)

5. Generieren

Inpainting

1. Zu img2img → Inpaint gehen

2. Bild hochladen

3. Maske über den zu ändernden Bereich zeichnen

4. Prompt für den maskierten Bereich eingeben

5. Generieren

Wesentliche Einstellungen

Generierungseinstellungen

Einstellung	SD 1.5	SDXL
Breite	512	1024
Höhe	512	1024
Schritte	20-30	20-40
CFG-Skala	7	5-7
Sampler	DPM++ 2M Karras	DPM++ 2M Karras

Kommandozeilenargumente

./webui.sh \
    --listen \              # Externen Zugriff erlauben
    --port 7860 \           # Portnummer
    --xformers \            # Speicheroptimierung
    --enable-insecure-extension-access \  # Erweiterungen erlauben
    --api \                 # API aktivieren
    --no-half-vae           # Schwarze Bilder beheben

Für wenig VRAM

./webui.sh \
    --listen \
    --medvram \           # 6–8GB VRAM
    # oder
    --lowvram \           # 4GB VRAM
    --xformers

Beliebte Erweiterungen

Must-Have

Erweiterung	Zweck
ControlNet	Geleitete Generierung
ADetailer	Automatische Gesichts-/Handkorrektur
Ultimate SD Upscale	Besseres Upscaling
sd-webui-segment-anything	Segmentierung
Regional Prompter	Mehrregionen-Prompts

Erweiterungen installieren

1. Gehe zu Erweiterungen Tab

2. Klicken Verfügbar

3. Klicken Laden von

4. Suchen und installieren

5. Anwenden und UI neu starten

Oder manuell:

cd extensions
git clone https://github.com/Mikubill/sd-webui-controlnet.git

ControlNet

Installation

# Erweiterung installieren
cd extensions
git clone https://github.com/Mikubill/sd-webui-controlnet.git

# Modelle herunterladen
cd ../models/ControlNet
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11p_sd15_canny.pth
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11p_sd15_openpose.pth
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11f1p_sd15_depth.pth

Verwendung

1. ControlNet-Bereich erweitern

2. Kontrollbild hochladen

3. Preprocessor auswählen (Canny, OpenPose, etc.)

4. Modell auswählen, das zum Preprocessor passt

5. Generieren

API-Verwendung

Mit --api Flag aktivieren, dann:

import requests
import base64

# Für externen Zugang verwenden Sie Ihre http_pub-URL:
API_URL = "https://your-http-pub.clorecloud.net"
# Oder über SSH: API_URL = "http://localhost:7860"

def txt2img(prompt, negative="", steps=20, width=512, height=512):
    response = requests.post(
        f"{API_URL}/sdapi/v1/txt2img",
        json={
            "prompt": prompt,
            "negative_prompt": negative,
            "steps": steps,
            "width": width,
            "height": height,
        }
    )
    return base64.b64decode(response.json()["images"][0])

# Generieren und speichern
image_data = txt2img("A beautiful sunset over mountains")
with open("output.png", "wb") as f:
    f.write(image_data)

img2img API

import base64

def img2img(prompt, image_path, denoising=0.5):
    with open(image_path, "rb") as f:
        image_b64 = base64.b64encode(f.read()).decode()

    response = requests.post(
        f"{API_URL}/sdapi/v1/img2img",
        json={
            "prompt": prompt,
            "init_images": [image_b64],
            "denoising_strength": denoising,
            "steps": 30,
        }
    )
    return base64.b64decode(response.json()["images"][0])

Prompt-Schreiben

Grundstruktur

[Subjekt], [Stil], [Details], [Beleuchtung], [Qualitäts-Tags]

Beispiel-Prompts

# Porträt
Porträt einer jungen Frau, professionelle Fotografie,
weiche Beleuchtung, geringe Schärfentiefe, 8k uhd,
sehr detailliert, fotorealistisch

# Landschaft
majestätische Berglandschaft bei Sonnenuntergang, dramatische Wolken,
Goldstunde-Beleuchtung, National-Geographic-Stil,
8k Wallpaper, sehr detailliert

# Anime
1girl, silbernes Haar, blaue Augen, Schuluniform,
Kirschblüten, Frühling, Meisterwerk, beste Qualität

Negative Prompts

# Allgemein
niedrige Auflösung, schlechte Anatomie, schlechte Hände, Text, Fehler,
fehlende Finger, abgeschnitten, schlechteste Qualität, niedrige Qualität,
JPEG-Artefakte, Signatur, Wasserzeichen, unscharf

# Für fotorealistisch
Cartoon, Anime, Illustration, Gemälde, Zeichnung,
3D-Render, CGI

Leistungstipps

1. xFormers aktivieren - Deutlicher Geschwindigkeitsschub

2. VAE verwenden - Bessere Farben

3. Batch-Größe 1 - Für begrenzten VRAM

4. Hires-Fix - Klein generieren und dann hochskalieren

5. ADetailer - Automatische Gesichtsreparatur

GPU-Anforderungen

Modell	Minimales VRAM	Empfohlenes VRAM	Min. RAM
SD 1.5	4GB	8GB	16GB
SD 2.1	6GB	8GB	16GB
SDXL	8GB	12GB	16GB
Mit ControlNet	+2GB	+4GB	16GB

GPU-Voreinstellungen

RTX 3060 12GB (Budget)

# Startbefehl
./webui.sh --medvram --xformers

# Empfohlene settings.json:
# - SD 1.5: 512x512, Batch 4, 20–30 Schritte
# - SDXL: 768x768, Batch 1, 20 Schritte
# - VAE-Tiling in den Einstellungen aktivieren
# - ADetailer für Gesichter verwenden

Beste Modelle: SD 1.5, DreamShaper, RealisticVision

RTX 3090 24GB (Optimal)

# Startbefehl
./webui.sh --xformers

# Empfohlene Einstellungen:
# - SD 1.5: 512x512, Batch 8, 30 Schritte
# - SDXL: 1024x1024, Batch 2, 30 Schritte
# - ControlNet + SD 1.5 funktioniert hervorragend
# - Hires-Fix bis 2x funktioniert

Beste Modelle: SDXL, Juggernaut, RealVisXL

RTX 4090 24GB (Performance)

# Startbefehl
./webui.sh --xformers --opt-sdp-attention

# Empfohlene Einstellungen:
# - SD 1.5: 512x512, Batch 16, 30 Schritte
# - SDXL: 1024x1024, Batch 4, 40 Schritte
# - Mehrere ControlNets gleichzeitig
# - Hires-Fix bis 4x

Beste Modelle: SDXL, Pony Diffusion, Jedes hochauflösendes Modell

A100 40GB/80GB (Produktion)

# Startbefehl
./webui.sh --opt-sdp-attention --no-half-vae

# Empfohlene Einstellungen:
# - SDXL: 1024x1024, Batch 8+, 50 Schritte
# - Mehrere ControlNet + IP-Adapter
# - Hires-Fix bis 4096x4096
# - AnimateDiff für Video

Am besten für: Batch-Generierung, komplexe Workflows, Video

Kostenabschätzung

Typische CLORE.AI-Marktplatzpreise:

GPU	VRAM	Preis/Tag	SD1.5-Geschwindigkeit	SDXL-Geschwindigkeit
RTX 3060	12GB	$0.15–0.30	~4 Sek	~12 Sek
RTX 3090	24GB	$0.30–1.00	~2 Sek	~6 Sek
RTX 4090	24GB	$0.50–2.00	~1 Sek	~3 Sek
A100	40GB	$1.50–3.00	~0.5 Sek	~2 Sek

Preise in USD/Tag. Die Tarife variieren je nach Anbieter — prüfen Sie CLORE.AI Marketplace für aktuelle Preise.

Fehlerbehebung

HTTP 502 über lange Zeit

1. RAM prüfen: Server muss 16GB+ RAM haben

2. VRAM prüfen: Für SDXL werden mindestens 8GB benötigt

3. Abhängigkeiten werden installiert: Erster Start dauert 10–20 Min

4. Langsames Netzwerk: Geringe Bandbreite verursacht längeren Start

Schwarze Bilder

# Zum Start-Argument hinzufügen
--no-half-vae

Speicher erschöpft

# Optimierung verwenden
--medvram
--xformers

Erweiterungen laden nicht

--enable-insecure-extension-access

Langsame Generierung

1. xFormers aktivieren

2. Bildgröße reduzieren

3. Schritte verringern (20 ist oft ausreichend)

Nächste Schritte

• ComfyUI - Fortgeschrittene Workflows

• FLUX.1 - Aktuellstes Modell

• ControlNet - Geleitete Generierung

• LoRA-Training - Eigene Modelle