Czy mogę zainstalować Stable Diffusion bez karty graficznej?

Działa na CPU, ale jeden obraz zajmuje minuty zamiast sekund. Lepiej skorzystać z GPU w chmurze albo z darmowych narzędzi na tej stronie.

Ile miejsca na dysku to zajmuje?

Około 10 GB na web UI i jego zależności, plus 2–7 GB na każdy model SD 1.5 lub SDXL i od kilku do kilkuset megabajtów na każdą LoRA. Jeśli zbierasz modele, przygotuj 50 GB.

Czy instalacja jest legalna i darmowa?

Tak. Web UI jest open source (AGPL), a modele można pobierać na ich licencjach, bezpłatnie do użytku prywatnego i większości zastosowań komercyjnych.

Instalacja Stable Diffusion lokalnie: Windows, Linux, Mac

Aby uruchomić Stable Diffusion na własnym komputerze, potrzebujesz karty graficznej z co najmniej 6 GB VRAM, Pythona 3.10, Gita, web UI Automatic1111 i pliku modelu. Przygotuj 15 GB miejsca na dysku i kilka gigabajtów do pobrania; potem generowanie jest darmowe, działa offline i nikt nie widzi twoich obrazów.

Wymagania

Element	Minimum	Komfortowo
GPU	NVIDIA 6 GB VRAM (SD 1.5)	NVIDIA 8–12 GB (SDXL), 16 GB (SD 3.5 Large, w ComfyUI)
AMD / Apple	ROCm na Linuksie, Apple Silicon 16 GB RAM	wolniej, ale działa; na Windows karty AMD wymagają ComfyUI lub forka web UI
RAM	16 GB	32 GB
Dysk	15 GB (aplikacja + jeden model)	50 GB+ dla kilku modeli
System	Windows 10/11, Ubuntu 22.04+, macOS 13+

Nie masz kompatybilnego GPU? Narzędzia na tej stronie nie wymagają instalacji: inpainting i powiększanie obrazów działają na naszym sprzęcie, a SDXL to demo osadzone na stronie, uruchamiane na zewnętrznych serwerach.

Krok po kroku (Windows, Automatic1111)

Zainstaluj Pythona 3.10.6 i zaznacz Add Python to PATH. Nowsze wersje Pythona psują część zależności.
Zainstaluj Gita z domyślnymi opcjami.
Otwórz terminal w wybranym folderze i uruchom git clone -b dev https://github.com/AUTOMATIC1111/stable-diffusion-webui. Gałąź dev to nie pomyłka: domyślna nie zmieniła się od lipca 2024 roku i jej pierwsze uruchomienie dziś kończy się błędem.
Pobierz model: SDXL 1.0 base (6,9 GB) i opcjonalnie refiner, albo Stable Diffusion 1.5 (4,3 GB). Wybierz plik .safetensors.
Umieść model w stable-diffusion-webui/models/Stable-diffusion/.
Kliknij dwukrotnie webui-user.bat. Pierwsze uruchomienie pobiera kilka gigabajtów zależności; ile to potrwa, zależy od twojego łącza.
Otwórz w przeglądarce http://127.0.0.1:7860, wybierz model w lewym górnym rogu, wpisz prompt i kliknij Generate.

Na Linuksie i macOS najpierw zainstaluj Pythona 3.10 lub 3.11 oraz pakiety systemowe wymienione w README projektu, a potem zamiast pliku .bat uruchom ./webui.sh; skrypt sam tworzy własne środowisko Pythona.

Przydatne opcje uruchamiania

Edytuj webui-user.bat i ustaw COMMANDLINE_ARGS:

--xformers: szybciej i lżej na NVIDIA.
--medvram lub --lowvram: dla kart z 4–6 GB, kosztem szybkości.
--listen: dostęp do interfejsu z innego urządzenia w twojej sieci.
--api: włącza REST API używane przez skrypty (ta strona w ten sposób rozmawia z własnym Automatic1111).

Częste błędy

CUDA out of memory: zmniejsz rozmiar obrazu, dodaj --medvram, zamknij inne programy korzystające z GPU.
Torch not compiled with CUDA: nieobsługiwana wersja Pythona albo PyTorch tylko dla CPU; zainstaluj ponownie z Pythonem 3.10 i usuń folder venv.
No model found: plik nie leży w models/Stable-diffusion albo ma złe rozszerzenie.
Czarne obrazy na AMD lub Apple: dodaj --no-half lub --upcast-sampling.

Alternatywy dla Automatic1111

Forge to szybszy fork z tym samym interfejsem; on również nie dostał aktualizacji od czerwca 2025 roku. ComfyUI używa grafu węzłów, idealny do SD 3.5 i Flux oraz do złożonych pipeline'ów. Fooocus chowa większość ustawień za jednym polem promptu, jak Midjourney; obsługuje tylko modele SDXL i dostaje już wyłącznie poprawki błędów. Forge i ComfyUI czytają te same pliki modeli i LoRA co Automatic1111.

Jak zainstalować Stable Diffusion lokalnie?