Come installare Stable Diffusion in locale?

Di Aggiornato il 3 min di lettura

Per far girare Stable Diffusion sul tuo computer servono una GPU con almeno 6 GB di VRAM, Python 3.10, Git, l’interfaccia web Automatic1111 e un file di modello. L’installazione richiede circa venti minuti e 15 GB di disco; dopo, la generazione è gratuita, offline e privata.

Requisiti

ComponenteMinimoComodo
GPUNVIDIA 6 GB di VRAM (SD 1.5)NVIDIA 8–12 GB (SDXL), 16 GB (SD 3.5 Large)
AMD / AppleROCm su Linux, Apple Silicon 16 GB di RAMpiù lento ma funziona; DirectML su Windows è lento
RAM16 GB32 GB
Disco15 GB (programma + un modello)50 GB e oltre per più modelli
SistemaWindows 10/11, Ubuntu 22.04+, macOS 13+

Nessuna GPU compatibile? Gli strumenti di questo sito (inpainting, ingrandimento, SDXL) girano sul nostro hardware, senza installazione.

Passo passo (Windows, Automatic1111)

  1. Installa Python 3.10.6 spuntando Add Python to PATH. Le versioni più recenti rompono alcune dipendenze.
  2. Installa Git con le opzioni predefinite.
  3. Apri un terminale nella cartella che preferisci ed esegui git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.
  4. Scarica un modello: SDXL 1.0 base (6,9 GB) ed eventualmente il refiner, oppure Stable Diffusion 1.5 (4,3 GB). Prendi il file .safetensors.
  5. Metti il modello in stable-diffusion-webui/models/Stable-diffusion/.
  6. Fai doppio clic su webui-user.bat. Il primo avvio scarica circa 5 GB di dipendenze e richiede da 5 a 15 minuti.
  7. Apri http://127.0.0.1:7860 nel browser, scegli il modello in alto a sinistra, scrivi un prompt e fai clic su Generate.

Su Linux e macOS esegui ./webui.sh al posto del file .bat; lo script crea il proprio ambiente Python.

Opzioni di avvio utili

Modifica webui-user.bat e imposta COMMANDLINE_ARGS:

  • --xformers: più veloce e leggero su NVIDIA.
  • --medvram o --lowvram: per schede da 4 a 6 GB, a scapito della velocità.
  • --listen: raggiungere l’interfaccia da un altro dispositivo della rete.
  • --api: abilita l’API REST usata dagli script (questo sito dialoga così con il proprio Automatic1111).

Errori comuni

  • CUDA out of memory: riduci la dimensione dell’immagine, aggiungi --medvram, chiudi gli altri programmi che usano la GPU.
  • Torch not compiled with CUDA: versione di Python non supportata o PyTorch solo CPU; reinstalla con Python 3.10 ed elimina la cartella venv.
  • No model found: il file non è in models/Stable-diffusion o ha l’estensione sbagliata.
  • Immagini nere su AMD o Apple: aggiungi --no-half o --upcast-sampling.

Alternative ad Automatic1111

Forge è un fork più veloce con la stessa interfaccia. ComfyUI usa un grafo a nodi, ideale per SD 3.5 e Flux e per pipeline complesse. Fooocus nasconde tutte le impostazioni e dà risultati in stile Midjourney con un solo prompt. Tutti e tre leggono gli stessi file di modelli e di LoRA.

Provalo ora, gratisUsa l’interfaccia web Automatic1111 online →

Domande frequenti

Posso installare Stable Diffusion senza scheda grafica?

Gira su CPU ma impiega diversi minuti per immagine; non è utilizzabile in pratica. Usa una GPU in cloud o gli strumenti gratuiti di questo sito.

Quanto spazio su disco occupa?

Circa 10 GB per l’interfaccia web e le sue dipendenze, più da 2 a 7 GB per modello e fino a 150 MB per LoRA. Prevedi 50 GB se collezioni modelli.

È legale e gratuito installarlo?

Sì. L’interfaccia web è open source (AGPL) e i modelli si scaricano con le loro licenze, gratuite per uso personale e per la maggior parte degli usi commerciali.

Tutte le guide