Stable Diffusion бесплатно: установка на ПК для обработки фото товара

Если вы ретушируете фото товаров для Wildberries, Ozon, Amazon или Etsy либо профессионально снимаете предметку, вы наверняка видели, как коллеги генерируют фоны, дорисовывают тени и собирают целые сцены, ни разу не арендовав студию. Большинство из них сидит на платных сервисах: Midjourney, Adobe Firefly, Magnific. Подписка капает каждый месяц, ваши изображения живут на чужих серверах, а карточки товаров ваших клиентов оказываются в чужом облаке.

Есть бесплатная альтернатива. Stable Diffusion работает на вашем собственном компьютере, без интернета и без подписок. Модель открытая, веса лежат на Hugging Face и Civitai, а исходный код A1111 выложен на GitHub. Установили один раз и генерируете сколько угодно изображений, хоть тысячу в день.

В этом гайде мы пройдём установку с нуля. Никаких терминальных сессий на 200 строк, никакого Docker, никакого WSL. Только Python, Git и понятный интерфейс в браузере. Мы сами прошли этот путь в собственной рабочей практике и сейчас повторим его для вас. К концу статьи у вас на компьютере будет работающий Stable Diffusion и несколько проверенных моделей для предметной съёмки и ретуши.

Stable Diffusion это нейросеть, которая генерирует изображения по тексту. Stability AI выпустила первую версию в 2022 году с открытыми весами. С тех пор сообщество обучило тысячи производных моделей: для портретов, аниме, предметной съёмки, архитектуры, фэшн-съёмки.

Принцип простой. Вы пишете промпт («серебряное кольцо с сапфиром на белом фоне, мягкий свет, студийная съёмка»), модель прогоняет шум через сеть и постепенно превращает его в изображение. В отличие от Midjourney, где результат вы получаете на чужом сервере и не можете управлять деталями, локальный Stable Diffusion даёт полный контроль.

Stable Diffusion, Midjourney, DALL-E 3 и Firefly: сравнение

| Параметр | Stable Diffusion локально | Midjourney v7 | DALL-E 3 | Adobe Firefly 3 |

|---|---|---|---|---|

| Цена | Бесплатно | от $10 в месяц | в составе ChatGPT Plus | в составе Creative Cloud |

| Приватность | Всё на вашем ПК | На серверах | На серверах OpenAI | На серверах Adobe |

| ControlNet, inpainting, LoRA | Да, всё есть | Нет | Нет | Частично |

| Свои модели и LoRA | Да | Нет | Нет | Нет |

| Коммерческое использование | Да (проверяйте лицензию модели) | Только на платных тарифах | Да | Да |

| Порог входа | Высокий | Низкий | Минимальный | Низкий |

Если вы публикуете один пост в неделю, с Midjourney проще. Если ретушируете по 50 карточек товаров в день, локальный Stable Diffusion окупится в пределах месяца.

Главный ресурс это видеопамять (VRAM) на карте Nvidia. Не оперативная память системы и не место на SSD, а память на самой видеокарте. Без неё модель просто не загрузится. Карты AMD и Intel Arc тоже работают, но только через обходные пути (DirectML, ROCm на Linux), и новичкам мы этот путь не советуем.

Минимум для старта

• Видеокарта Nvidia с 6 ГБ VRAM (RTX 2060, RTX 3050, GTX 1660 Super)
• 16 ГБ оперативной памяти
• 100 ГБ свободного места на SSD (модели весят по 2-7 ГБ каждая, папка заполняется быстро)
• Windows 10/11 или Linux
• Свежий драйвер Nvidia Studio

На таком минимуме SDXL и Flux не запустятся, только базовая SD 1.5. Изображение 512x512 генерируется 15-25 секунд.

Рекомендуемая конфигурация

• Видеокарта Nvidia с 12-16 ГБ VRAM (RTX 4070, RTX 4070 Ti Super, RTX 5070, подержанная RTX 3090)
• 32 ГБ оперативной памяти
• NVMe SSD на 1 ТБ под модели и кэш
• Хорошее охлаждение: генерация греет карту как майнинг криптовалют

На RTX 4070 Super (12 ГБ) изображение SDXL 1024x1024 рендерится за 8-12 секунд, Flux dev за 30-40 секунд. Это рабочий темп для коммерческих заказов.

Когда ставить локально не стоит

Если у вас ноутбук со встроенной графикой, MacBook на M1/M2 без 32 ГБ объединённой памяти или старый ПК без дискретной видеокарты, не мучайтесь. Арендуйте GPU на runpod.io или vast.ai (от $0.30 в час за RTX 4090) или воспользуйтесь Google Colab. Для пробы этого хватит, но для постоянной рабочей нагрузки дешевле собрать собственный ПК.

A1111 (Automatic1111 WebUI) это самая популярная оболочка для Stable Diffusion. Она открывается в браузере и после установки не требует навыков программирования. Альтернативы: ComfyUI (мощнее, но сложнее), Forge (форк A1111, который быстрее работает на новых видеокартах), Fooocus (упрощённый вариант). Начнём с A1111, а позже вы сами решите, что вам подходит.

Шаг 1. Установите Python 3.10.6

Именно 3.10.6, не 3.11 и не 3.12. С более новыми версиями A1111 капризничает.

1. Скачайте python-3.10.6-amd64.exe с python.org/downloads/release/python-3106
2. При установке обязательно поставьте галочку «Add Python to PATH» внизу первого окна
3. Нажмите Install Now
4. Проверьте в командной строке: python --version должен вывести 3.10.6

Если у вас уже стоит Python 3.11 или 3.12, не удаляйте его. Поставьте 3.10.6 рядом и пропишите путь через переменные среды либо вызывайте его через py -3.10.

Шаг 2. Установите Git

Git нужен, чтобы клонировать репозиторий A1111 и потом обновлять его одной командой.

1. Скачайте установщик с git-scm.com/download/win
2. Установите с галочками по умолчанию
3. Проверьте командой git --version в командной строке

Шаг 3. Клонируйте A1111

Создайте папку для нейросетей, например D:\AI\ или C:\StableDiffusion\. В пути не должно быть пробелов и кириллицы, только латинские буквы.

Откройте командную строку в этой папке (правый клик в Проводнике, «Открыть в Терминале», или Shift плюс правый клик, «Открыть окно команд»). Введите:

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

Скачается папка stable-diffusion-webui, примерно 50 МБ. Это сам интерфейс, моделей в нём пока нет.

Шаг 4. Первый запуск

Зайдите в папку stable-diffusion-webui, найдите файл webui-user.bat и запустите его двойным кликом. Откроется чёрное окно, и начнут скачиваться зависимости: torch, xformers, gradio и другие. Загрузится около 4-6 ГБ, при первом запуске это занимает 10-30 минут.

Когда увидите строку Running on local URL: http://127.0.0.1:7860, откройте этот адрес в браузере. Перед вами интерфейс A1111.

Если всё падает с ошибкой CUDA, torch или памяти, читайте раздел об ошибках ниже.

Stable Diffusion заслуживает места в товарном рабочем процессе, когда фоны, мокапы и вариации сцен нужны быстрее, чем их способна выдать реальная съёмочная площадка. Реалистичный сценарий: не выдумывать товар по текстовому промпту, а поместить уже снятый товар в чистое или стилизованное окружение. Думайте о нём как о бесконечном запасе бумажных фонов, мраморных поверхностей, студийных градиентов и лайфстайл-интерьеров, которые генерируются по запросу.

• Фоны: сгенерируйте мягкий студийный фон, фактурную поверхность или лайфстайл-контекст, а затем наложите сверху вырезанный товар.
• Мокапы: поместите упаковку, этикетки или одежду в правдоподобную сцену для главных кадров карточки и рекламы.
• Вариации: сделайте один и тот же товар в десяти разных настроениях, чтобы проверить, что лучше конвертит.

Главный сдвиг в голове это разделение ответственности. Камера фиксирует правду о вещи: форму, цвет, логотип и фактуру. Stable Diffusion поставляет окружение. Когда эти две задачи разведены, вы не попадаете в ловушку, где модель изобретает ваш товар заново и уходит от реальности. В работе над каталогом большинство команд вырезает товар, ставит его на сгенерированный фон и сводит тени вручную или лёгким проходом inpaint. Так вещь остаётся точной до пикселя, а творческий диапазон у вас как у полноценной студии. Начинайте с простых бесшовных фонов, прежде чем браться за сложные лайфстайл-сцены: чистые градиенты прощают ошибки и сразу годятся для всей товарной линейки.

Чистый товарный результат получается на сдержанных настройках, а не на максимальных. Перегруженные промпты и высокий CFG дают пластиковые, пересыщенные поверхности, которые выглядят фальшиво. Цельтесь в нейтральный, управляемый результат, который можно довести руками.

• Сэмплер: DPM++ 2M Karras или Euler a надёжно дают чёткую картинку с малым шумом.
• Шаги: 25-35 хватает с запасом. Больше шагов предметным кадрам помогает редко и только съедает время.
• CFG scale: держите скромным, 4-7. Высокий CFG запекает артефакты и жёсткий контраст.
• Разрешение: генерируйте в родном размере модели (около 1024 для SDXL), а потом делайте апскейл, вместо того чтобы навязывать огромный холст, на котором элементы начинают дублироваться.

В промптах описывайте окружение просто: seamless studio background, soft diffused light, subtle floor reflection, neutral gray. Добавьте короткий негативный промпт, чтобы отсечь типичные провалы: text, watermark, extra objects, harsh shadows, clutter, blurry. Найдя фон, который вам нравится, зафиксируйте seed, чтобы воспроизвести его на всей товарной линейке и сохранить визуальное единство. Сохраните это как пресет. Повторяемая база означает, что у каждого артикула в каталоге одно световое настроение, а именно это и нужно профессиональному комплекту изображений для карточки. И наконец, на каждую идею генерируйте несколько кандидатов и выбирайте, а не гоняйтесь за одним идеальным промптом. Отбор быстрее промпт-инжиниринга, а ваш глаз лучше любой подкрутки параметров судит о том, что выглядит премиально.

Генерация по тексту для реальных товаров это гадание. Как только у вас появилось фото настоящей вещи, переходите на img2img и inpainting: они привязывают генерацию к вашему референсу, и результат остаётся правдоподобным.

• img2img: загрузите фото товара и поставьте низкий denoising strength, примерно 0.2-0.4. Низкие значения сохраняют вещь и меняют только свет или мелочи в окружении. Высокие перерисуют ваш товар во что-то другое, так что удержитесь от соблазна выкрутить ползунок вверх.
• Inpaint: закрывайте маской только ту область, которую хотите изменить, например фон за бутылкой или потёртость на поверхности. Область под маской генерируется заново, а всё за её пределами остаётся нетронутым.

Практический цикл выглядит так: чисто вырезаете товар, генерируете или выбираете фон, совмещаете их, а затем делаете мягкий проход inpaint вдоль линии касания, чтобы объединить тень и свет. Это убирает ореол вырезки, и предмет по-настоящему встаёт в сцену. Этикетки и текст на упаковке никогда не давайте модели перерисовывать. Закрывайте их от генерации или восстанавливайте с оригинала после неё, потому что диффузионные модели не умеют писать и превратят любую надпись в кашу. Относитесь к inpainting как к хирургии: маленькие маски, низкий denoise и несколько небольших проходов лучше одной агрессивной правки. Именно эта дисциплина отличает изображение для карточки, которое вызывает доверие, от явного коллажа, который его разрушает.

Для бизнеса выбор между локальным Stable Diffusion и подпиской на облачный сервис это вопрос объёма, приватности и времени, а не только денег.

• Локальная установка: нулевая стоимость изображения, полный контроль над моделями и расширениями, и фото ваших товаров не покидают ваш компьютер. Расплата: вложения в железо на старте, время на настройку и возня с обновлениями и драйверами.
• Платные облачные сервисы: мгновенный старт, никакого обслуживания и доступ с любого устройства, но регулярные платежи, лимиты использования, очереди в часы пик и обработка ваших изображений на чужих серверах.

Точка безубыточности проще, чем кажется. Если вы генерируете несколько изображений в неделю, облачная подписка дешевле, чем владение мощной видеокартой. Если делаете сотни вариантов для карточек в месяц, локальная машина быстро окупается и снимает тревогу за цену каждой картинки, из-за которой вы генерируете меньше, чем следовало бы. Приватность важна для невыпущенных товаров и эксклюзивного дизайна. Локальная работа оставляет прототипы и предрелизную упаковку полностью внутри компании. Многие небольшие команды работают по гибридной схеме: локально для массовой работы по каталогу и один облачный сервис под рукой ради удобства или конкретной функции. Решайте, задав себе вопросы: сколько изображений вы реально выпускаете, важна ли конфиденциальность и насколько вы готовы заниматься обслуживанием. Универсально правильного ответа нет, есть только тот, что соответствует вашей производительности и терпимости к настройке.

Самый большой риск в ИИ-изображениях товаров это искажение. Сгенерированная картинка, на которой у вещи есть свойство, которого нет, или цвет, которого нет, напрашивается на возвраты и жалобы. Точность здесь не приятная мелочь, а юридический и репутационный минимум.

• Никогда не генерируйте сам товар по тексту. Всегда начинайте с настоящего фото реальной вещи.
• Берегите логотипы, этикетки и текст. Закрывайте их маской при inpaint или восстанавливайте с оригинала. Диффузия не умеет рисовать читаемый брендинг.
• Фиксируйте цвет. Сверяйте сгенерированный результат с настоящим цветом товара при нейтральном свете. Если модель сдвинула оттенок, поправьте его вручную или уменьшите denoising strength.
• Сохраняйте геометрию. Следите за искривлёнными краями, пропавшими пуговицами, лишними ремешками и выдуманными отражениями. Перегенерируйте или исправляйте, но не выпускайте искажённую форму.

Полезное правило: всё, на что покупатель опирается при выборе, то есть форма вещи, материал, цвет и маркировка, должно идти с камеры, а генерировать можно только окружение. Держите нетронутый исходный кадр в архиве, чтобы всегда можно было сравнить и доказать реальный внешний вид. Покупатели фотографируют то, что им пришло, и сравнивают с вашей карточкой, так что любая выдуманная деталь быстро всплывает в виде спора. Если сомневаетесь, выбирайте более простое и честное изображение, а не эффектное, которое приукрашивает правду. Доверие накапливается по всему каталогу, и один вводящий в заблуждение рендер может стоить вам репутации всех остальных карточек, которые вы публикуете.

Может ли Stable Diffusion заменить настоящую съёмку товара?

Нет, и не должен пытаться. Он заменяет площадку, фоны и вариации сцен, но не саму вещь. Вам всё равно нужно одно точное фото реального товара. А диффузия уже достраивает вокруг этого кадра фоны и настроения. Относитесь к ней как к расширению студии, а не как к замене съёмки того, что вы действительно продаёте.

Почему текст на упаковке получается абракадаброй?

Диффузионные модели генерируют пиксели, похожие на буквы, но по-настоящему писать не умеют, поэтому любая перерисованная ими этикетка превращается в бессмыслицу. Закрывайте области с текстом от генерации при inpainting или вклеивайте настоящую этикетку с исходного фото после того, как сгенерировали фон. Никогда не давайте модели перегенерировать брендинг или состав.

Какой denoising strength ставить в img2img для товаров?

Держитесь низких значений, около 0.2-0.4, когда хотите сохранить товар нетронутым и поправить только свет или окружение. Более высокие значения дают модели свободу изобрести вещь заново, а это убивает точность. Если результат уходит от вашего настоящего товара, уменьшите значение и попробуйте снова.

Законно ли использовать ИИ-фоны в коммерческих карточках?

В целом да, если изображение честно показывает товар, который получит покупатель. Риск не в ИИ-фоне, а в искажении. Сохраняйте реальную вещь точной, не выдумывайте свойства и цвета и храните исходный кадр. Честные сцены со сгенерированными фонами широко используются в интернет-торговле.