Kann ich Stable Diffusion ohne Grafikkarte installieren?

Es läuft auf der CPU, braucht aber mehrere Minuten pro Bild; praktisch nicht nutzbar. Verwenden Sie stattdessen eine Cloud-GPU oder die kostenlosen Werkzeuge dieser Seite.

Wie viel Speicherplatz wird benötigt?

Etwa 10 GB für die Weboberfläche und ihre Abhängigkeiten, dazu 2 bis 7 GB pro Modell und bis zu 150 MB pro LoRA. Planen Sie 50 GB ein, wenn Sie Modelle sammeln.

Ist die Installation legal und kostenlos?

Ja. Die Weboberfläche ist Open Source (AGPL), und die Modelle sind unter ihren Lizenzen herunterladbar, kostenlos für private und die meisten kommerziellen Zwecke.

Stable Diffusion lokal installieren: Windows, Linux, Mac

Um Stable Diffusion auf dem eigenen Rechner zu betreiben, brauchen Sie eine GPU mit mindestens 6 GB VRAM, Python 3.10, Git, die Automatic1111-Weboberfläche und eine Modelldatei. Die Installation dauert etwa zwanzig Minuten und belegt 15 GB; danach ist die Erzeugung kostenlos, offline und privat.

Voraussetzungen

Komponente	Minimum	Komfortabel
GPU	NVIDIA mit 6 GB VRAM (SD 1.5)	NVIDIA 8–12 GB (SDXL), 16 GB (SD 3.5 Large)
AMD / Apple	ROCm unter Linux, Apple Silicon mit 16 GB RAM	langsamer, aber lauffähig; DirectML unter Windows ist langsam
RAM	16 GB	32 GB
Festplatte	15 GB (Programm + ein Modell)	50 GB+ für mehrere Modelle
System	Windows 10/11, Ubuntu 22.04+, macOS 13+

Keine passende GPU? Die Werkzeuge dieser Seite (Inpainting, Hochskalieren, SDXL) laufen auf unserer Hardware, ohne Installation.

Schritt für Schritt (Windows, Automatic1111)

Installieren Sie Python 3.10.6 und setzen Sie den Haken bei Add Python to PATH. Neuere Python-Versionen brechen einige Abhängigkeiten.
Installieren Sie Git mit den Standardoptionen.
Öffnen Sie ein Terminal im gewünschten Ordner und führen Sie git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui aus.
Laden Sie ein Modell herunter: SDXL 1.0 base (6,9 GB) und optional den Refiner, oder Stable Diffusion 1.5 (4,3 GB). Nehmen Sie die .safetensors-Datei.
Legen Sie das Modell in stable-diffusion-webui/models/Stable-diffusion/.
Doppelklicken Sie auf webui-user.bat. Der erste Start lädt rund 5 GB Abhängigkeiten und dauert 5 bis 15 Minuten.
Öffnen Sie http://127.0.0.1:7860 im Browser, wählen Sie oben links das Modell, geben Sie einen Prompt ein und klicken Sie auf Generate.

Unter Linux und macOS starten Sie ./webui.sh statt der .bat-Datei; das Skript legt seine eigene Python-Umgebung an.

Nützliche Startoptionen

Bearbeiten Sie webui-user.bat und setzen Sie COMMANDLINE_ARGS:

--xformers: schneller und sparsamer auf NVIDIA.
--medvram oder --lowvram: für Karten mit 4 bis 6 GB, auf Kosten der Geschwindigkeit.
--listen: die Oberfläche von einem anderen Gerät im Netzwerk erreichen.
--api: aktiviert die REST-API für Skripte (so spricht diese Seite mit ihrem eigenen Automatic1111).

Typische Fehler

CUDA out of memory: Bildgröße verringern, --medvram hinzufügen, andere GPU-Programme schließen.
Torch not compiled with CUDA: eine nicht unterstützte Python-Version oder ein reines CPU-PyTorch; mit Python 3.10 neu installieren und den Ordner venv löschen.
No model found: Die Datei liegt nicht in models/Stable-diffusion oder hat die falsche Endung.
Schwarze Bilder auf AMD oder Apple: --no-half oder --upcast-sampling hinzufügen.

Alternativen zu Automatic1111

Forge ist ein schnellerer Fork mit derselben Oberfläche. ComfyUI arbeitet mit einem Knotengraphen, ideal für SD 3.5 und Flux und für komplexe Pipelines. Fooocus versteckt alle Einstellungen und liefert mit einem Prompt Ergebnisse im Midjourney-Stil. Alle drei lesen dieselben Modell- und LoRA-Dateien.

Wie installiert man Stable Diffusion lokal?