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 CLORE.AI Marketplace.

Exigences du serveur

Paramètre	Minimum	Recommandé
RAM	16Go	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 ce temps est normal.

Pourquoi SD WebUI ?

• Riche en fonctionnalités - txt2img, img2img, inpainting, outpainting

• Extensions - Immense écosystème de plugins

• Convivial - Interface web intuitive

• Bien documenté - Large support communautaire

Déploiement rapide sur CLORE.AI

Image Docker :

universonic/stable-diffusion-webui:latest

Ports :

22/tcp
8080/http

Commande :

./webui.sh --listen --xformers

Vérifiez que cela fonctionne

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

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

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

1. Le serveur dispose de 16 Go+ de RAM

2. Le serveur dispose de 8 Go+ de VRAM

3. 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/

Tous 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 automatiquement tout)
./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 des 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 (Photoréaliste)
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

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

Utilisation de base

txt2img (Texte vers Image)

1. Sélectionner le modèle dans le menu déroulant

2. Saisir le prompt positif : ce que vous voulez

3. Saisir le prompt négatif : ce qu'il faut éviter

4. Définir les dimensions (512x512 pour SD1.5, 1024x1024 pour SDXL)

5. Cliquez sur Générer

img2img (Image vers Image)

1. Aller à l'onglet img2img

2. Téléverser l'image source

3. Saisir le prompt décrivant les changements souhaités

4. Ajuster Force de débruitage (0.3-0.8)

5. Générer

Inpainting

1. Aller à img2img → Inpaint

2. Téléverser l'image

3. Dessiner un masque sur la zone à modifier

4. Saisir le prompt pour la zone masquée

5. Générer

Paramètres essentiels

Paramètres de génération

Paramètre	SD 1.5	SDXL
Largeur	512	1024
Hauteur	512	1024
Pas	20-30	20-40
CFG Scale	7	5-7
Échantillonneur	DPM++ 2M Karras	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 de VRAM
    # ou
    --lowvram \           # 4 Go de VRAM
    --xformers

Extensions populaires

Indispensable

Extension	But
ControlNet	Génération guidée
ADetailer	Correction automatique du visage/des mains
Ultimate SD Upscale	Meilleure mise à l'échelle
sd-webui-segment-anything	Segmentation
Regional Prompter	Prompts multi-régions

Installer des extensions

1. Aller à la Extensions onglet

2. Cliquez Disponible

3. Cliquez Charger depuis

4. Rechercher et installer

5. 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

1. Développer la section ControlNet

2. Téléverser l'image de contrôle

3. Sélectionner le préprocesseur (Canny, OpenPose, etc.)

4. Sélectionner le modèle correspondant au préprocesseur

5. Générer

Utilisation de l'API

Activer avec --api flag, 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 golden hour, style National Geographic,
fond d'écran 8k, très détaillé

# Anime
1girl, 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, faible qualité,
artefacts jpeg, signature, filigrane, flou

# Pour photoréaliste
dessin animé, 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 batch 1 - Pour VRAM limitée

4. Correction Hires - Générer petit, puis agrandir

5. ADetailer - Correction automatique des visages

Exigences GPU

Modèle	VRAM minimale	VRAM recommandée	RAM min
SD 1.5	4 Go	8 Go	16Go
SD 2.1	6 Go	8 Go	16Go
SDXL	8 Go	12Go	16Go
Avec ControlNet	+2Go	+4Go	16Go

Préréglages GPU

RTX 3060 12GB (Budget)

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

# Paramètres recommandés (settings.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
# - Le correctif Hires 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
# - Correctif Hires 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
# - Correctif Hires à 4096x4096
# - AnimateDiff pour la vidéo

Idéal pour : Génération par lots, workflows complexes, vidéo

Estimation des coûts

Tarifs typiques du marketplace CLORE.AI :

GPU	VRAM	Prix/jour	Vitesse SD1.5	Vitesse SDXL
RTX 3060	12Go	0,15–0,30 $	~4 sec	~12 s
RTX 3090	24 Go	0,30–1,00 $	~2 sec	~6 sec
RTX 4090	24 Go	0,50–2,00 $	~1 sec	~3 sec
A100	40Go	1,50–3,00 $	~0.5 sec	~2 sec

Prix en USD/jour. Les tarifs varient selon le fournisseur — vérifiez 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 : Nécessite 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

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

Mémoire insuffisante

# Utiliser l'optimisation
--medvram
--xformers

Extensions ne se chargent pas

--enable-insecure-extension-access

Génération lente

1. Activer xFormers

2. Réduire la taille de l'image

3. Réduire les étapes (20 suffit souvent)

Prochaines étapes

• ComfyUI - Workflows plus avancés

• FLUX.1 - Modèle le plus récent

• ControlNet - Génération guidée

• Entraînement LoRA - Modèles personnalisés