必要な環境
| 構成要素 | 最低限 | 快適 |
|---|---|---|
| GPU | NVIDIA VRAM 6 GB（SD 1.5） | NVIDIA 8〜12 GB（SDXL）、16 GB（SD 3.5 Large） |
| AMD / Apple | Linux 上の ROCm、Apple Silicon はメモリ 16 GB | 遅いが動作する。Windows の DirectML は遅い |
| メモリ | 16 GB | 32 GB |
| ディスク | 15 GB（本体 + モデル1つ） | 複数モデルなら 50 GB 以上 |
| OS | Windows 10/11、Ubuntu 22.04 以降、macOS 13 以降 | |
対応 GPU がない場合は、当サイトのツール（インペインティング、拡大、SDXL）が私たちのハードウェア上で動くので、導入は不要です。
手順（Windows、Automatic1111）
- Python 3.10.6 をインストールし、Add Python to PATH にチェックを入れます。新しい Python では一部の依存関係が壊れます。
- Git を既定の設定でインストールします。
- 好きなフォルダでターミナルを開き、
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webuiを実行します。 - モデルをダウンロードします。SDXL 1.0 base（6.9 GB、必要なら refiner も）か、Stable Diffusion 1.5（4.3 GB）。
.safetensorsファイルを選びます。 - モデルを
stable-diffusion-webui/models/Stable-diffusion/に置きます。 webui-user.batをダブルクリックします。初回起動は約 5 GB の依存関係をダウンロードし、5〜15分かかります。- ブラウザで
http://127.0.0.1:7860を開き、左上でモデルを選び、プロンプトを入力して Generate を押します。
Linux と macOS では .bat の代わりに ./webui.sh を実行します。スクリプトが専用の Python 環境を作ります。
便利な起動オプション
webui-user.bat を編集し、COMMANDLINE_ARGS に設定します。
--xformers：NVIDIA で高速かつ省メモリ。--medvramまたは--lowvram：4〜6 GB のカード向け。速度は落ちます。--listen：同じネットワークの別の端末からアクセス。--api：スクリプトが使う REST API を有効化（当サイトも自前の Automatic1111 とこの方法で通信しています）。
よくあるエラー
- CUDA out of memory：画像サイズを下げ、
--medvramを付け、GPU を使う他のプログラムを閉じます。 - Torch not compiled with CUDA：非対応の Python か CPU 版の PyTorch です。Python 3.10 で入れ直し、
venvフォルダを削除します。 - No model found：ファイルが
models/Stable-diffusionにないか、拡張子が違います。 - AMD や Apple で真っ黒な画像：
--no-halfか--upcast-samplingを付けます。
Automatic1111 の代替
Forge は同じ UI のまま高速化したフォークです。ComfyUI はノードグラフ式で、SD 3.5 や Flux、複雑なパイプラインに最適です。Fooocus は設定をすべて隠し、プロンプト一つで Midjourney 風の結果を出します。三つとも同じモデルファイルと LoRA ファイルを読み込めます。