stable-diffusion-webuiを動かしてみる

投稿日 2025/03/02

Tags: 生成AI

stable-diffusion-webuiを動かしてみます。

GitHub - AUTOMATIC1111/stable-diffusion-webui: Stable Diffusion web UI

Stable Diffusion web UI. Contribute to AUTOMATIC1111/stable-diffusion-webui development by creating an account on GitHub.

github.com

環境構築

面倒な環境構築はしたくないので、簡単な方法でやっていきます。環境は以下の通りですが、GPUさえ動けばどこでも動くと思います。

Windows11
Nvidia GeForce RTX4070ti

まずはGitとUVを入れましょう。既に入っている人は飛ばしてください。

Gitはリポジトリのクローンに、UVはPython環境の作成に使います。PowerShellを開いてWingetでインストールできます。

winget install Git.Git
winget install astral-sh.uv

インストールが終わったら、リポジトリをクローンします。クローンしたい場所で以下のコマンドを実行してください。

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

その後、クローンした場所に移動してPythonの環境を作ります。

cd .\stable-diffusion-webui\ # 移動
uv venv -p 3.10.6 # 環境の作成
.venv\Scripts\activate # 仮想環境の有効化
uv pip install pip # pipのインストール

そして、以下のコマンドを実行するとモデルのダウンロードが行われ、それが終了するとブラウザが立ち上がって環境の構築は完了です。

./webui-user.bat

別のモデルを入れてみる

デフォルトで入ってくるモデルはあまり性能が良くなさそうなので、イラスト生成用に追加学習されたstable-diffusionベースのモデルであるAnimePastelDreamを入れてみます。下記のページでダウンロードボタンを押せばダウンロードできます。

Anime Pastel Dream - Soft - baked vae | Stable Diffusion Checkpoint | Civitai

Anime Pastel Dream (Soft and Hard) Add a ❤️ to receive future updates. Do you like what I do? Consider supporting me on Patreon 🅿️ or feel free to bu...

civitai.com

ダウンロードした.safetensorをmodels/Stable-diffusionフォルダに入れます。この状態で左上のリロードボタンを押すと、先ほど入れたAnimePasteDreamが選択できるようになっているので選択します。

画像を生成してみる

画像生成時のパラメータについて簡単に説明します(著者も詳しくはありません)。

モデルによっては推奨されるパラメータが書かれているようなのでその場合はそれに従うとよさそうです。

パラメータ

Prompt

Promptは画像を生成する際の指示文です。ここに生成したい画像の特徴などを書き込みます。

Negative prompt

Negative promptは画像を生成する際の指示文ですが、生成してほしくない画像の特徴などを書き込みます。

Sampling method

Sampling methodは画像生成において、どのようにサンプリングするかを決めるパラメータです。選択肢が色々ありますが、DDIMなどがよいようです。

Sampling methodによって生成される画像の作風が異なることがあるので、色々試してみるといいと思います。

Sampling steps

Sampling stepsはSamplingを何回行うかのパラメータです。この値が大きいほど明瞭な画像が得られますが、生成にかかる時間も比例して長くなり、大きくしすぎても意味がないこともあるので、20~40程度にとどめておくのがよさそうです。

Width・Hight

Width・Hightは生成する画像のサイズです。サイズが大きいほど生成にかかる時間も長くなります。

Batch count・Batch size

Batch sizeは一度に(1Batchあたり)何枚の画像を処理するかという値です。また、Batch countはBatch処理を何回行うかという値です。

結果として、Batch count × Batch size枚の画像が生成されることになります。

Batch sizeを大きくすると必要なGPUメモリ量が大きくなるので注意が必要です。

CFG Scale

CFG Scaleは画像を生成する際にどれだけプロンプトに忠実に従うかを決める値です。この値が大きいほどプロンプトに忠実な画像を生成するようになります。

大きければいいというものではないので、様々な値を試して決めるのがよさそうです。

画像を生成する

画像生成のプロンプトに詳しくはないので、この画像の生成に用いられたプロンプトをそのまま使って1枚生成してみます。

PromptとNegative Promptをコピペして、Generateボタンを押します。512×512の画像を1枚生成するだけであれば数秒で終了し、以下の画像が出力されました。やはり手の描画が苦手みたいですが、そこに目をつぶれば悪くないのではないでしょうか。

PromptかNegative Promptで変な出力がされないように指示を与えるのが重要みたいです。この部分は何を生成するにしても使いまわせそうですね。

単にテキストから画像を生成する以外にもいろいろできそうなのでもう少し遊んでみたいです。