Stable Diffusion WebUI

Exécutez AUTOMATIC1111 Stable Diffusion WebUI sur les GPU Clore.ai

L'interface web la plus populaire pour Stable Diffusion sur les GPU CLORE.AI.

Tous les exemples peuvent être exécutés sur des serveurs GPU loués via Place de marché CLORE.AI.

Exigences serveur

Paramètre

Minimum

Recommandé

RAM

16 Go

32 Go+

VRAM

8 Go

12 Go+

Réseau

500 Mbps

1 Gbps+

Temps de démarrage

10-20 minutes

Temps de démarrage : Le premier lancement installe les dépendances Python et télécharge le modèle de base (10-20 minutes selon la vitesse du réseau). Un HTTP 502 pendant cette période est normal.

Pourquoi SD WebUI ?

Riche en fonctionnalités - txt2img, img2img, inpainting, outpainting
Extensions - Énorme écosystème de plugins
Convivial - Interface web intuitive
Bien documenté - Large support communautaire

📚 Voir aussi : Comment exécuter Stable Diffusion sur un GPU Cloud

Déploiement rapide sur CLORE.AI

Image Docker :

universonic/stable-diffusion-webui:latest

Ports :

22/tcp
8080/http

Commande :

./webui.sh --listen --xformers

Vérifier que cela fonctionne

Après le déploiement, trouvez votre http_pub URL dans Mes commandes:

# Vérifier si l'interface est accessible (peut prendre 10-20 min au premier lancement)
curl https://your-http-pub.clorecloud.net/

Si vous avez HTTP 502 pendant plus de 20 minutes, vérifiez :

Le serveur a 16 Go+ de RAM
Le serveur a 8 Go+ de VRAM
La vitesse du réseau est suffisante pour télécharger les dépendances

Accéder à votre service

Lorsqu'il est déployé sur CLORE.AI, accédez à SD WebUI via le http_pub URL :

Interface Web : https://your-http-pub.clorecloud.net/
API (si activée) : https://your-http-pub.clorecloud.net/sdapi/v1/

Tout localhost:7860 Les exemples ci-dessous fonctionnent lorsqu'ils sont connectés via SSH. Pour un accès externe, remplacez par votre https://your-http-pub.clorecloud.net/ URL.

Installation

Utilisation de Docker (recommandé)

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

Installation manuelle

# Installer les dépendances
sudo apt install python3.10 python3.10-venv git wget

# Cloner le dépôt
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui

# Exécuter (installe tout automatiquement)
./webui.sh --listen --xformers

Structure du répertoire

stable-diffusion-webui/
├── models/
│   ├── Stable-diffusion/   # Modèles principaux (.safetensors)
│   ├── Lora/               # Modèles LoRA
│   ├── VAE/                # Modèles VAE
│   ├── ControlNet/         # Modèles ControlNet
│   └── ESRGAN/             # Upscalers
├── embeddings/             # Inversions textuelles
├── extensions/             # Extensions installées
├── outputs/                # Images générées
└── scripts/                # Scripts personnalisés

Télécharger les modèles

Points de contrôle

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 (Photorealiste)
wget "https://civitai.com/api/download/models/245598" -O realisticVision_v60B1.safetensors

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

VAE (Meilleures couleurs)

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

Utilisation de base

txt2img (Texte vers Image)

Sélectionnez le modèle dans le menu déroulant
Entrez le prompt positif : ce que vous voulez
Entrez le prompt négatif : ce qu'il faut éviter
Définissez les dimensions (512x512 pour SD1.5, 1024x1024 pour SDXL)
Cliquez sur Générer

img2img (Image vers Image)

Allez dans l'onglet img2img
Téléversez l'image source
Entrez un prompt décrivant les modifications souhaitées
Ajuster Force de débruitage (0.3-0.8)
Générer

Inpainting

Allez dans img2img → Inpaint
Téléchargez l'image
Dessinez un masque sur la zone à modifier
Entrez le prompt pour la zone masquée
Générer

Paramètres essentiels

Paramètres de génération

Paramètre

SD 1.5

SDXL

Largeur

512

1024

Hauteur

512

1024

Étapes

20-30

20-40

Échelle CFG

5-7

Échantillonneur

DPM++ 2M Karras

Arguments de ligne de commande

./webui.sh \
    --listen \              # Autoriser l'accès externe
    --port 7860 \           # Numéro de port
    --xformers \            # Optimisation de la mémoire
    --enable-insecure-extension-access \  # Autoriser les extensions
    --api \                 # Activer l'API
    --no-half-vae           # Corriger les images noires

Pour faible VRAM

./webui.sh \
    --listen \
    --medvram \           # 6-8 Go VRAM
    # ou
    --lowvram \           # 4 Go VRAM
    --xformers

Extensions populaires

Indispensables

Extension

But

ControlNet

Génération guidée

ADetailer

Correction automatique visages/mains

Ultimate SD Upscale

Meilleur upscaling

sd-webui-segment-anything

Segmentation

Regional Prompter

Prompts multi-régions

Installer des extensions

Aller à Extensions onglet
Cliquez Disponible
Cliquez Charger depuis
Rechercher et installer
Appliquer et redémarrer l'interface

Ou manuellement :

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

ControlNet

Installation

# Installer l'extension
cd extensions
git clone https://github.com/Mikubill/sd-webui-controlnet.git

# Télécharger les modèles
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

Utilisation

Développez la section ControlNet
Téléversez l'image de contrôle
Sélectionnez le préprocesseur (Canny, OpenPose, etc.)
Sélectionnez le modèle correspondant au préprocesseur
Générer

Utilisation de l'API

Activez avec --api le drapeau, puis :

import requests
import base64

# Pour un accès externe, utilisez votre URL http_pub :
API_URL = "https://your-http-pub.clorecloud.net"
# Ou via 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])

# Générer et sauvegarder
image_data = txt2img("Un magnifique coucher de soleil sur des montagnes")
with open("output.png", "wb") as f:
    f.write(image_data)

API img2img

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])

Rédaction de prompts

Structure de base

[sujet], [style], [détails], [éclairage], [tags de qualité]

Exemples de prompts

# Portrait
portrait d'une jeune femme, photographie professionnelle,
éclairage doux, faible profondeur de champ, 8k uhd,
très détaillé, photoréaliste

# Paysage
paysage montagneux majestueux au coucher du soleil, nuages dramatiques,
éclairage heure dorée, style National Geographic,
fond d'écran 8k, très détaillé

# Anime
1fille, cheveux argentés, yeux bleus, uniforme scolaire,
fleurs de cerisier, printemps, chef-d'œuvre, meilleure qualité

Prompts négatifs

# Général
basse résolution, mauvaise anatomie, mauvaises mains, texte, erreur,
doigts manquants, recadré, pire qualité, basse qualité,
artefacts jpeg, signature, filigrane, flou

# Pour photoréaliste
cartoon, anime, illustration, peinture, dessin,
rendu 3D, CGI

Conseils de performance

Activer xFormers - Gain de vitesse significatif
Utiliser VAE - Meilleures couleurs
Taille de lot 1 - Pour VRAM limitée
Hires Fix - Générer petit, puis upscaler
ADetailer - Correction automatique des visages

Exigences GPU

Modèle

VRAM minimale

VRAM recommandée

RAM min

SD 1.5

4 Go

8 Go

16 Go

SD 2.1

6 Go

8 Go

16 Go

SDXL

8 Go

12 Go

16 Go

Avec ControlNet

+2 Go

+4 Go

16 Go

Préréglages GPU

RTX 3060 12GB (Budget)

# Commande de lancement
./webui.sh --medvram --xformers

# Paramètres recommandés.json :
# - SD 1.5 : 512x512, batch 4, 20-30 étapes
# - SDXL : 768x768, batch 1, 20 étapes
# - Activer le tiling VAE dans les Paramètres
# - Utiliser ADetailer pour les visages

Meilleurs modèles : SD 1.5, DreamShaper, RealisticVision

RTX 3090 24GB (Optimal)

# Commande de lancement
./webui.sh --xformers

# Paramètres recommandés :
# - SD 1.5 : 512x512, batch 8, 30 étapes
# - SDXL : 1024x1024, batch 2, 30 étapes
# - ControlNet + SD 1.5 fonctionne très bien
# - Hires fix à 2x fonctionne

Meilleurs modèles : SDXL, Juggernaut, RealVisXL

RTX 4090 24GB (Performance)

# Commande de lancement
./webui.sh --xformers --opt-sdp-attention

# Paramètres recommandés :
# - SD 1.5 : 512x512, batch 16, 30 étapes
# - SDXL : 1024x1024, batch 4, 40 étapes
# - Plusieurs ControlNets simultanément
# - Hires fix à 4x

Meilleurs modèles : SDXL, Pony Diffusion, Tout modèle haute résolution

A100 40GB/80GB (Production)

# Commande de lancement
./webui.sh --opt-sdp-attention --no-half-vae

# Paramètres recommandés :
# - SDXL : 1024x1024, batch 8+, 50 étapes
# - Plusieurs ControlNet + IP-Adapter
# - Hires fix jusqu'à 4096x4096
# - AnimateDiff pour la vidéo

Idéal pour : Génération par lot, flux de travail complexes, vidéo

Estimation des coûts

Tarifs typiques du marketplace CLORE.AI :

GPU

VRAM

Prix/jour

Vitesse SD1.5

Vitesse SDXL

RTX 3060

12 Go

$0.15–0.30

~4 s

~12 s

RTX 3090

24 Go

$0.30–1.00

~2 s

~6 s

RTX 4090

24 Go

$0.50–2.00

~1 s

~3 s

A100

40 Go

$1.50–3.00

~0,5 s

~2 s

Prix en USD/jour. Les tarifs varient selon le fournisseur — vérifiez Place de marché CLORE.AI pour les tarifs actuels.

Dépannage

HTTP 502 pendant longtemps

Vérifier la RAM : Le serveur doit avoir 16 Go+ de RAM
Vérifier la VRAM : Doit avoir 8 Go+ pour SDXL
Installation des dépendances : Le premier lancement prend 10-20 min
Réseau lent : Une faible bande passante entraîne un démarrage plus long

Images noires

# Ajouter aux arguments de lancement
--no-half-vae

Mémoire insuffisante

# Utiliser l'optimisation
--medvram
--xformers

Extensions qui ne se chargent pas

--enable-insecure-extension-access

Génération lente

Activer xFormers
Réduire la taille de l'image
Diminuer les étapes (20 suffit souvent)

Étapes suivantes

ComfyUI - Flux de travail plus avancés
FLUX.1 - Dernier modèle
ControlNet - Génération guidée
Entraînement LoRA - Modèles personnalisés

PrécédentStable Diffusion 3.5

SuivantComfyUI

Mis à jour il y a 7 mois

Ce contenu vous a-t-il été utile ?