Stable Diffusion на VPS: своя генерация картинок

Онлайн-сервисы генерации картинок лимитируют, банят промпты и берут деньги за каждую пачку. Свой Stable Diffusion на VPS снимает все ограничения: генерируешь сколько нужно, храни модели локально, дергай по API.

Что нужно для запуска

Stable Diffusion — это диффузионная модель, которая превращает текстовый промпт в изображение. Работает она пошагово: из случайного шума за десятки итераций сэмплера постепенно проступает картинка, соответствующая описанию. Чем больше шагов, тем детальнее результат и тем дольше расчет.

Есть два пути запуска: гонять на GPU (быстро, секунды на картинку) или на CPU (медленно, минуты, но дешево и работает везде). Для личных задач, ботов и нечастой генерации CPU-сервера вполне достаточно — важно лишь заложить запас по памяти и диску.

Для комфортной работы без видеокарты бери сервер с запасом по RAM и быстрым диском: веса модели SDXL весят ~7 ГБ, и подгрузка с медленного HDD превращается в мучение. NVMe у MAATRIX здесь ощутимо ускоряет старт и переключение чекпоинтов, а многоядерный AMD EPYC вытягивает сэмплинг на приемлемой скорости.

• CPU-режим: 4+ ядра, 8–16 ГБ RAM — для SD 1.5
• GPU-режим: сервер с NVIDIA (если доступен) — для SDXL и батчей
• Диск: от 30 ГБ под модели, LoRA и результаты

Промпты и негативы

Качество картинки на 80% определяется промптом. Хороший промпт описывает объект, стиль, свет и композицию: «ancient egyptian temple, golden hour, cinematic lighting, highly detailed». Отдельно указывается негативный промпт — то, чего быть не должно: «blurry, deformed, low quality, watermark».

Ключевые ручки генерации, которые стоит понимать: steps (число шагов сэмплера, 20–30 обычно достаточно), cfg_scale (насколько строго модель следует промпту, 7–9 — золотая середина), sampler (алгоритм; Euler a и DPM++ 2M — надежные варианты) и seed (зерно случайности; фиксируй его, чтобы воспроизвести удачный кадр).

Установка окружения

Ставим Python, git и зависимости. Пример для Ubuntu 22.04:

apt update && apt install -y python3 python3-venv python3-pip git wget libgl1 libglib2.0-0

Создаем изолированное окружение, чтобы не ломать системный Python:

python3 -m venv ~/sd-venv
source ~/sd-venv/bin/activate
pip install --upgrade pip

AUTOMATIC1111 WebUI

Самый популярный интерфейс — AUTOMATIC1111. Он дает и веб-морду, и API. Клонируем и запускаем:

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
cd stable-diffusion-webui
./webui.sh --listen --api --no-half --skip-torch-cuda-test

Флаг --listen открывает доступ по сети, --api включает REST-эндпоинты, --no-half нужен для CPU. WebUI сам скачает базовую модель при первом запуске.

Чтобы не держать сессию SSH открытой, оберни запуск в systemd-сервис — сервер будет генерировать даже после закрытия терминала.

Юнит systemd для автозапуска

Создай файл /etc/systemd/system/sd-webui.service:

[Unit]
Description=Stable Diffusion WebUI
After=network.target

[Service]
User=root
WorkingDirectory=/root/stable-diffusion-webui
ExecStart=/root/stable-diffusion-webui/webui.sh --listen --api --nowebui
Restart=always

[Install]
WantedBy=multi-user.target

systemctl daemon-reload
systemctl enable --now sd-webui

Генерация через API

Когда WebUI поднят с флагом --api, картинки можно запрашивать по HTTP. Простой curl:

curl -X POST http://127.0.0.1:7860/sdapi/v1/txt2img \
  -H "Content-Type: application/json" \
  -d '{"prompt":"ancient egyptian temple, golden hour, cinematic","steps":25,"width":768,"height":768}'

В ответ придет base64-изображение. Так SD встраивается в бота, сайт или пайплайн обработки контента.

Частые ошибки

• Out of memory на CPU — уменьшай размер (512x512) и steps, убирай батчи.
• Медленный старт — держи модели на NVMe, а не на сетевом диске.
• Порт закрыт снаружи — не выставляй 7860 в интернет напрямую, прячь за nginx с паролем.
• Torch не видит CUDA — на CPU-сервере это норма, добавь --skip-torch-cuda-test.

На тарифах MAATRIX (AMD EPYC + NVMe) SD 1.5 в CPU-режиме дает приемлемую скорость для личных задач и API-ботов, а быстрый диск убирает главную боль — задержки на подгрузке весов.

Частые вопросы