# Stable Diffusion WebUI L'interface web la plus populaire pour Stable Diffusion sur les GPU CLORE.AI. {% hint style="success" %} Tous les exemples peuvent être exécutés sur des serveurs GPU loués via [Place de marché CLORE.AI](https://clore.ai/marketplace). {% endhint %} ## 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 | - | {% hint style="warning" %} **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. {% endhint %} ## 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](https://blog.clore.ai/how-to-run-stable-diffusion-cloud-gpu/) ## Déploiement rapide sur CLORE.AI **Image Docker :** ``` universonic/stable-diffusion-webui:latest ``` **Ports :** ``` 22/tcp 8080/http ``` **Commande :** ```bash ./webui.sh --listen --xformers ``` ### Vérifier que cela fonctionne Après le déploiement, trouvez votre `http_pub` URL dans **Mes commandes**: ```bash # Vérifier si l'interface est accessible (peut prendre 10-20 min au premier lancement) curl https://your-http-pub.clorecloud.net/ ``` {% hint style="info" %} Si vous avez HTTP 502 pendant plus de 20 minutes, vérifiez : 1. Le serveur a 16 Go+ de RAM 2. Le serveur a 8 Go+ de VRAM 3. La vitesse du réseau est suffisante pour télécharger les dépendances {% endhint %} ## 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/` {% hint style="info" %} 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. {% endhint %} ## Installation ### Utilisation de Docker (recommandé) ```bash docker run -d --gpus all \ -p 8080:8080 \ -v sd-webui-data:/app/stable-diffusion-webui \ universonic/stable-diffusion-webui:latest ``` ### Installation manuelle ```bash # 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 ```bash 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) ```bash 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) 1. Sélectionnez le modèle dans le menu déroulant 2. Entrez le prompt positif : ce que vous voulez 3. Entrez le prompt négatif : ce qu'il faut éviter 4. Définissez les dimensions (512x512 pour SD1.5, 1024x1024 pour SDXL) 5. Cliquez sur Générer ### img2img (Image vers Image) 1. Allez dans l'onglet img2img 2. Téléversez l'image source 3. Entrez un prompt décrivant les modifications souhaitées 4. Ajuster **Force de débruitage** (0.3-0.8) 5. Générer ### Inpainting 1. Allez dans img2img → Inpaint 2. Téléchargez l'image 3. Dessinez un masque sur la zone à modifier 4. Entrez le prompt pour la zone masquée 5. Générer ## Paramètres essentiels ### Paramètres de génération | Paramètre | SD 1.5 | SDXL | | --------------- | --------------- | --------------- | | Largeur | 512 | 1024 | | Hauteur | 512 | 1024 | | Étapes | 20-30 | 20-40 | | Échelle CFG | 7 | 5-7 | | Échantillonneur | DPM++ 2M Karras | DPM++ 2M Karras | ### Arguments de ligne de commande ```bash ./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 ```bash ./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 1. Aller à **Extensions** onglet 2. Cliquez **Disponible** 3. Cliquez **Charger depuis** 4. Rechercher et installer 5. Appliquer et redémarrer l'interface Ou manuellement : ```bash cd extensions git clone https://github.com/Mikubill/sd-webui-controlnet.git ``` ## ControlNet ### Installation ```bash # 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 1. Développez la section ControlNet 2. Téléversez l'image de contrôle 3. Sélectionnez le préprocesseur (Canny, OpenPose, etc.) 4. Sélectionnez le modèle correspondant au préprocesseur 5. Générer ## Utilisation de l'API Activez avec `--api` le drapeau, puis : ```python 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 ```python 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 1. **Activer xFormers** - Gain de vitesse significatif 2. **Utiliser VAE** - Meilleures couleurs 3. **Taille de lot 1** - Pour VRAM limitée 4. **Hires Fix** - Générer petit, puis upscaler 5. **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) ```bash # 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) ```bash # 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) ```bash # 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) ```bash # 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*](https://clore.ai/marketplace) *pour les tarifs actuels.* ## Dépannage ### HTTP 502 pendant longtemps 1. **Vérifier la RAM :** Le serveur doit avoir 16 Go+ de RAM 2. **Vérifier la VRAM :** Doit avoir 8 Go+ pour SDXL 3. **Installation des dépendances :** Le premier lancement prend 10-20 min 4. **Réseau lent :** Une faible bande passante entraîne un démarrage plus long ### Images noires ```bash # Ajouter aux arguments de lancement --no-half-vae ``` ### Mémoire insuffisante ```bash # Utiliser l'optimisation --medvram --xformers ``` ### Extensions qui ne se chargent pas ```bash --enable-insecure-extension-access ``` ### Génération lente 1. Activer xFormers 2. Réduire la taille de l'image 3. Diminuer les étapes (20 suffit souvent) ## Étapes suivantes * [ComfyUI](https://docs.clore.ai/guides/guides_v2-fr/generation-dimages/comfyui) - Flux de travail plus avancés * [FLUX.1](https://docs.clore.ai/guides/guides_v2-fr/generation-dimages/flux) - Dernier modèle * [ControlNet](https://docs.clore.ai/guides/guides_v2-fr/traitement-dimages/controlnet-advanced) - Génération guidée * [Entraînement LoRA](https://docs.clore.ai/guides/guides_v2-fr/entrainement/kohya-training) - Modèles personnalisés