Stable Diffusion: полный разбор для практика

Что такое Stable Diffusion и в чём принципиальная разница

Midjourney, Nano Banana, Kandinsky — это сервисы: вы отправляете запрос на чужой сервер и получаете картинку. Stable Diffusion — это модель с открытыми весами. Файл, который вы скачиваете себе и запускаете на своём железе.

Отсюда всё остальное:

• Нет подписки и нет лимита генераций. Хоть тысяча картинок в сутки — счёт придёт только за электричество.
• Нет вопроса доступа. Модель работает офлайн. Ни VPN, ни зарубежной карты для самой генерации не нужно — только один раз скачать файлы.
• Полный контроль. Вы управляете не «промптом и всё», а десятком параметров: шагами сэмплирования, силой следования запросу, seed, весами отдельных слов.
• Дообучение под себя. Можно обучить модель на своём продукте, своём персонаже, своём фирменном стиле — и получать их в каждой картинке. У облачных сервисов такой глубины нет.
• Ничего не уходит наружу. Для работы с чувствительными материалами это иногда единственный допустимый вариант.

Цена вопроса — порог входа. Это не «зашёл на сайт и написал промпт», а установка софта, скачивание моделей на десятки гигабайт и несколько вечеров на понимание того, что делают ползунки.

Какие версии существуют и какую брать

Главная путаница новичка: «последняя версия» не значит «лучшая для вас». В экосистеме одновременно живут несколько поколений, и у каждого своя роль.

Практическая рекомендация: начинайте с SDXL. Если видеокарта слабая — с SD 1.5, там результат достижим на 4 ГБ. За FLUX идите, когда упрётесь в качество SDXL и будете понимать, зачем.

Что нужно от компьютера — честно

Ключевой параметр — не процессор и не оперативная память, а VRAM, видеопамять на видеокарте. Всё остальное вторично.

• 4 ГБ VRAM — SD 1.5 работает, картинка 512×512 генерируется десятки секунд. Жить можно, радости мало.
• 8 ГБ VRAM — рабочий минимум для SDXL. Это уровень RTX 3060 / 4060, самый массовый сценарий.
• 12–16 ГБ — комфорт: SDXL с дополнениями, FLUX, апскейл, дообучение своих моделей.
• 24 ГБ и выше — территория тех, кто обучает модели и рендерит видео.

Важные оговорки. Видеокарты AMD и встроенная графика формально запускаются, но настройка мучительна и скорость в разы ниже — реальный стандарт здесь Nvidia. На Mac с чипами Apple Silicon всё работает через отдельные сборки, медленнее, но пригодно. И заложите 50–100 ГБ места на диске: одна модель весит 2–7 ГБ, а их быстро становится десяток.

Нет подходящей видеокарты — не покупайте её ради картинок. Дешевле арендовать GPU в облаке на несколько часов или пользоваться онлайн-сервисами на том же движке. Смысл в локальной установке появляется от объёма: если вы генерируете сотни изображений в месяц, она окупает себя за пару месяцев подписок.

Как установить: три интерфейса

Сама модель — это просто файл. Чтобы с ней работать, нужен интерфейс. В 2026 году установка стала заметно проще: у основных вариантов есть установка в один клик.

1. Forge (Forge Neo) — развитие классического AUTOMATIC1111. Привычные вкладки и ползунки, ничего собирать не нужно. Лучший старт для новичка.
2. ComfyUI — узловой интерфейс: вы собираете процесс из блоков, соединяя их стрелками. Выглядит пугающе, но даёт полный контроль и повторяемость: сохранил схему — воспроизвёл результат хоть через год. Стал де-факто стандартом среди тех, кто делает это серьёзно. Есть готовое десктоп-приложение.
3. InvokeAI — компромисс: аккуратный интерфейс с упором на редактирование холста.

Порядок действий одинаковый: ставите интерфейс → скачиваете файл модели в формате .safetensors с CivitAI или Hugging Face → кладёте его в папку models/Stable-diffusion → перезапускаете → выбираете модель в списке.

Одно правило безопасности: берите только .safetensors, а не старый формат .ckpt. Второй технически может выполнять код при загрузке — а модели вы скачиваете с публичных площадок от незнакомых людей.

Модели, LoRA и почему это главное преимущество

Здесь начинается то, ради чего люди терпят установку. Базовая модель — это фундамент, а поверх него сообщество выложило десятки тысяч дообучений.

• Checkpoint — полноценная модель, дообученная под стиль: фотореализм, аниме, продуктовая съёмка, архитектурная визуализация. Меняете checkpoint — меняется вся эстетика при том же промпте.
• LoRA — небольшой файл-надстройка (десятки мегабайт), который добавляет к модели конкретное знание: персонажа, предмет, стиль, ракурс. Подключается по нескольку штук с регулируемой силой.
• ControlNet — дополнение, задающее композицию по образцу: скелет позы, контур, карта глубины. Это переход от «модель нарисовала как захотела» к «объект стоит там, где я сказал».
• Inpainting — перерисовка выделенного участка. Всё устроило, кроме руки или надписи на упаковке? Замазали кистью, перегенерировали только этот кусок.

Для маркетинга ключевой сценарий — своя LoRA на свой продукт. Берёте 20–30 фотографий товара с разных ракурсов, обучаете LoRA (несколько часов на приличной видеокарте или недорого в облаке) — и дальше генерируете этот конкретный товар в любой обстановке: на столе в кафе, в руках, на фоне города. Предметная съёмка для каталога и рекламы закрывается без фотостудии. Ни один облачный сервис такой точности по вашему объекту не даёт.

Как писать промпты: здесь всё иначе

Midjourney понимает человеческую фразу. Stable Diffusion ближе к списку тегов, отсортированному по важности: чем ближе слово к началу, тем сильнее влияет.

Рабочая схема: субъект, детали субъекта, окружение, свет, композиция, стиль и техника, маркеры качества.

Пример: кружка кофе на деревянном столе, пар над чашкой, кафе на фоне размыто, мягкий утренний свет из окна, вид сбоку, макросъёмка, 85 мм, неглубокая резкость, фотореализм, высокая детализация.

Три механизма, которых нет в облачных сервисах:

• Негативный промпт. Отдельное поле «чего не должно быть»: размытие, искажённые пальцы, лишние конечности, водяной знак, текст, низкое качество. Убирает половину типового брака.
• Веса слов. Синтаксис (слово:1.3) усиливает влияние, (слово:0.7) ослабляет. Точная настройка вместо переписывания фразы.
• Seed. Число, задающее стартовый шум. Один и тот же seed с одним промптом даёт идентичную картинку. Зафиксировали seed — меняете один параметр и видите чистый эффект. Это и есть способ учиться быстро.

Из параметров стоит знать два: Steps (шаги, 20–30 хватает почти всегда, больше — трата времени) и CFG Scale (насколько жёстко держаться промпта; 7–8 — норма, выше 12 картинка становится пережаренной).

Кому это нужно, а кому нет

Честный водораздел, чтобы не потратить выходные зря.

И общий принцип: Stable Diffusion — инструмент производства, а не разовой генерации. Он окупается объёмом и повторяемостью. Если вам нужна «красивая картинка на пост», это стрельба из пушки по воробьям.

Права и лицензии

Два разных вопроса, которые часто путают.

Первый — лицензия модели. Веса Stable Diffusion открыты, но условия разных версий отличаются, и у SD 3.x коммерческое использование в определённых случаях требует отдельной лицензии. То же касается дообученных моделей с CivitAI: у каждой своя карточка с разрешениями, и часть авторов прямо запрещает коммерческое использование или продажу генераций. Перед тем как ставить картинку в рекламу — откройте страницу конкретной модели и прочитайте условия.

Второй — права на саму картинку. В России чистая генерация не охраняется авторским правом: нет творческого вклада человека — нет объекта охраны. Значит, запретить конкуренту использовать такую же картинку вы не сможете. Для активов, которые вы хотите защищать (логотип, фирменный персонаж), схема одна: генерация как черновик, содержательная доработка дизайнером, регистрация.

Отдельно: LoRA, обученные на фотографиях конкретного человека или на работах живого художника, — юридически скользкая территория даже когда технически доступны. Для коммерческого проекта берите только то, на что у вас есть права: свои съёмки, свой продукт, свои материалы.