Stable Diffusion WebUI

Запустите AUTOMATIC1111 Stable Diffusion WebUI на GPU Clore.ai

Самый популярный веб-интерфейс для Stable Diffusion на GPU CLORE.AI.

Все примеры можно запускать на GPU-серверах, арендуемых через CLORE.AI Marketplace.

Требования к серверу

Параметр

Минимум

Рекомендуется

ОЗУ

16 ГБ

32 ГБ+

VRAM

8 ГБ

12 ГБ+

Сеть

500 Мбит/с

1 Гбит/с+

Время запуска

10–20 минут

Время запуска: При первом запуске устанавливаются зависимости Python и загружается базовая модель (10–20 минут в зависимости от скорости сети). HTTP 502 в это время — нормально.

Почему SD WebUI?

Богатый функционал - txt2img, img2img, инпейтинг, аутпейтинг
Расширения - Огромная экосистема плагинов
Удобство для пользователя - Интуитивный веб-интерфейс
Хорошая документация - Широкая поддержка сообщества

📚 См. также: Как запустить Stable Diffusion на облачном GPU

Быстрая деплой на CLORE.AI

Docker-образ:

universonic/stable-diffusion-webui:latest

Порты:

22/tcp
8080/http

Команда:

./webui.sh --listen --xformers

Проверьте, что всё работает

После развертывания найдите ваш http_pub URL в Мои заказы:

# Проверьте доступность UI (при первом запуске может занять 10–20 мин)
curl https://your-http-pub.clorecloud.net/

Если вы получаете HTTP 502 более 20 минут, проверьте:

Сервер имеет 16 ГБ+ ОЗУ
Сервер имеет 8 ГБ+ VRAM
Скорость сети достаточна для загрузки зависимостей

Доступ к вашему сервису

При деплое на CLORE.AI доступ к SD WebUI осуществляется через http_pub URL:

Веб UI: https://your-http-pub.clorecloud.net/
API (если включено): https://your-http-pub.clorecloud.net/sdapi/v1/

Все localhost:7860 пример ниже работает при подключении через SSH. Для внешнего доступа замените на ваш https://your-http-pub.clorecloud.net/ URL.

Установка

Использование Docker (рекомендуется)

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

Ручная установка

# Установите зависимости
sudo apt install python3.10 python3.10-venv git wget

# Клонируйте репозиторий
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui

# Запуск (автоустанавливает всё)
./webui.sh --listen --xformers

Структура директорий

stable-diffusion-webui/
├── models/
│   ├── Stable-diffusion/   # Основные модели (.safetensors)
│   ├── Lora/               # Модели LoRA
│   ├── VAE/                # Модели VAE
│   ├── ControlNet/         # Модели ControlNet
│   └── ESRGAN/             # Апскейлеры
├── embeddings/             # Текстовые инверсии
├── extensions/             # Установленные расширения
├── outputs/                # Сгенерированные изображения
└── scripts/                # Пользовательские скрипты

Скачать модели

Контролные точки

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

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

VAE (Лучшие цвета)

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

Базовое использование

txt2img (текст → изображение)

Выберите модель в выпадающем списке
Введите позитивный промпт: то, что вы хотите
Введите негативный промпт: чего избегать
Установите размеры (512x512 для SD1.5, 1024x1024 для SDXL)
Нажмите «Generate»

img2img (изображение → изображение)

Перейдите на вкладку img2img
Загрузите исходное изображение
Введите промпт, описывающий желаемые изменения
Настройте Сила денойзинга (0.3-0.8)
Сгенерировать

Инпейтинг

Перейдите в img2img → Inpaint
Загрузите изображение
Нарисуйте маску над областью для изменения
Введите промпт для замаскированной области
Сгенерировать

Основные настройки

Параметры генерации

Настройка

SD 1.5

SDXL

Ширина

512

1024

Высота

512

1024

Шаги

20-30

20-40

CFG Scale

5-7

Сэмплер

DPM++ 2M Karras

Аргументы командной строки

./webui.sh \
    --listen \              # Разрешить внешний доступ
    --port 7860 \           # Номер порта
    --xformers \            # Оптимизация памяти
    --enable-insecure-extension-access \  # Разрешить расширения
    --api \                 # Включить API
    --no-half-vae           # Исправление чёрных изображений

Для малого объёма VRAM

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

ControlNet

Установка

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

# Скачать модели
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

Использование

Разверните секцию ControlNet
Загрузите контрольное изображение
Выберите препроцессор (Canny, OpenPose и т.д.)
Выберите модель, соответствующую препроцессору
Сгенерировать

Использование API

Включите с помощью --api флага, затем:

import requests
import base64

# Для внешнего доступа используйте ваш http_pub URL:
API_URL = "https://your-http-pub.clorecloud.net"
# Или через 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])

# Сгенерировать и сохранить
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])

Написание промптов

Базовая структура

[объект], [стиль], [детали], [освещение], [теги качества]

Примеры промптов

# Портрет
портрет молодой женщины, профессиональная фотография,
мягкое освещение, малая глубина резкости, 8k uhd,
высокая детализация, фотореализм

# Пейзаж
величественный горный пейзаж на закате, драматические облака,
освещение золотого часа, стиль National Geographic,
8k обои, высокая детализация

# Аниме
1girl, серебристые волосы, синие глаза, школьная форма,
цветущая сакура, весна, шедевр, лучшее качество

Негативные промпты

# Общие
низкое разрешение, плохая анатомия, плохие руки, текст, ошибка,
отсутствующие пальцы, обрезано, худшее качество, низкое качество,
артефакты jpeg, подпись, водяной знак, размытость

# Для фотореалистичных изображений
мультфильм, аниме, иллюстрация, живопись, рисунок,
3D-рендер, CGI

Советы по производительности

Включите xFormers - Значительное ускорение
Используйте VAE - Лучше цвета
Размер батча 1 - Для ограниченного VRAM
Hires Fix - Генерировать маленькое, затем увеличивать
ADetailer - Автоисправление лиц

Требования к GPU

Модель

Минимальный VRAM

Рекомендуемый VRAM

Мин ОЗУ

SD 1.5

4 ГБ

8 ГБ

16 ГБ

SD 2.1

6 ГБ

8 ГБ

16 ГБ

SDXL

8 ГБ

12ГБ

16 ГБ

С ControlNet

+2 ГБ

+4 ГБ

16 ГБ

Пресеты GPU

RTX 3060 12GB (Бюджет)

# Команда запуска
./webui.sh --medvram --xformers

# Рекомендуемые settings.json:
# - SD 1.5: 512x512, batch 4, 20–30 шагов
# - SDXL: 768x768, batch 1, 20 шагов
# - Включить VAE tiling в настройках
# - Используйте ADetailer для лиц

Лучшие модели: SD 1.5, DreamShaper, RealisticVision

RTX 3090 24GB (Оптимально)

# Команда запуска
./webui.sh --xformers

# Рекомендуемые настройки:
# - SD 1.5: 512x512, batch 8, 30 шагов
# - SDXL: 1024x1024, batch 2, 30 шагов
# - ControlNet + SD 1.5 работает отлично
# - Hires fix на 2x работает

Лучшие модели: SDXL, Juggernaut, RealVisXL

RTX 4090 24GB (Производительность)

# Команда запуска
./webui.sh --xformers --opt-sdp-attention

# Рекомендуемые настройки:
# - SD 1.5: 512x512, batch 16, 30 шагов
# - SDXL: 1024x1024, batch 4, 40 шагов
# - Несколько ControlNet одновременно
# - Hires fix на 4x

Лучшие модели: SDXL, Pony Diffusion, любая модель для высокого разрешения

A100 40GB/80GB (Продакшн)

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

# Рекомендуемые настройки:
# - SDXL: 1024x1024, batch 8+, 50 шагов
# - Несколько ControlNet + IP-Adapter
# - Hires fix до 4096x4096
# - AnimateDiff для видео

Лучше всего для: Пакетная генерация, сложные рабочие процессы, видео

Оценка стоимости

Типичные ставки на маркетплейсе CLORE.AI:

GPU

VRAM

Цена/день

Скорость SD1.5

Скорость SDXL

RTX 3060

12ГБ

$0.15–0.30

~4 сек

~12 сек

RTX 3090

24ГБ

$0.30–1.00

~2 сек

~6 сек

RTX 4090

24ГБ

$0.50–2.00

~1 сек

~3 сек

A100

40 ГБ

$1.50–3.00

~0.5 сек

~2 сек

Цены в USD/день. Ставки варьируются в зависимости от провайдера — проверьте CLORE.AI Marketplace для актуальных тарифов.

Устранение неполадок

HTTP 502 длительное время

Проверьте ОЗУ: Сервер должен иметь 16 ГБ+ ОЗУ
Проверьте VRAM: Для SDXL требуется 8 ГБ+
Установка зависимостей: Первый запуск занимает 10–20 минут
Медленная сеть: Низкая пропускная способность увеличивает время запуска

Чёрные изображения

# Добавить к аргументам запуска
--no-half-vae

Недостаток памяти

# Используйте оптимизацию
--medvram
--xformers

Расширения не загружаются

--enable-insecure-extension-access

Медленная генерация

Включите xFormers
Уменьшите размер изображения
Понизьте количество шагов (20 часто достаточно)

Следующие шаги

ComfyUI - Более продвинутые рабочие процессы
FLUX.1 - Последняя модель
ControlNet - Управляемая генерация
Тренировка LoRA - Пользовательские модели

ПредыдущаяStable Diffusion 3.5

СледующаяComfyUI

Последнее обновление 7 месяцев назад

Это было полезно?

Требования к серверу

Почему SD WebUI?

Быстрая деплой на CLORE.AI

Проверьте, что всё работает

Доступ к вашему сервису

Установка

Использование Docker (рекомендуется)

Ручная установка

Структура директорий

Скачать модели

Контролные точки

VAE (Лучшие цвета)

Базовое использование

txt2img (текст → изображение)

img2img (изображение → изображение)

Инпейтинг

Основные настройки

Параметры генерации

Аргументы командной строки

Для малого объёма VRAM

Популярные расширения

Обязательно

Установка расширений

ControlNet

Установка

Использование

Использование API

img2img API

Написание промптов

Базовая структура

Примеры промптов

Негативные промпты

Советы по производительности

Требования к GPU

Пресеты GPU

RTX 3060 12GB (Бюджет)

RTX 3090 24GB (Оптимально)

RTX 4090 24GB (Производительность)

A100 40GB/80GB (Продакшн)

Оценка стоимости

Устранение неполадок

HTTP 502 длительное время

Чёрные изображения

Недостаток памяти

Расширения не загружаются

Медленная генерация

Следующие шаги