SD.Next — Une Alternative à Automatic1111 pour Ceux Qui Ont Besoin de Plus Que le WebUI Standard

Vous souvenez-vous qu'il y a seulement quelques années, la génération d'images en local était synonyme de Stable Diffusion WebUI par Automatic1111 ? Vous ouvriez la console, attendiez que PyTorch se lance, ajustiez les paramètres de votre GPU, et espériez que la VRAM ne serait pas épuisée à mi-chemin. Cependant, au fil du temps, le dépôt original est devenu de plus en plus difficile à maintenir, et les nouvelles architectures de modèles ont commencé à demander de plus en plus de ressources.

Vlad Mandic a forké la base de code d'Automatic1111 à la fin de 2022 et a créé SD.Next. Le projet a commencé comme une tentative de nettoyer le code source et d'extraire les performances maximales du matériel, mais a évolué en une plateforme autonome pour la génération d'images et de vidéos.

Quelle est la différence avec le WebUI original ?

En résumé, SD.Next est une refonte en profondeur des coulisses tout en conservant l'interface web familière. Le WebUI original est fortement lié aux GPU Nvidia et aux bibliothèques CUDA. Si vous avez un AMD, Intel Arc ou un ordinateur portable avec une puce Apple de la série M, faire fonctionner le WebUI classique est devenu une quête impliquant la compilation de bibliothèques et la recherche des bons arguments de lancement.

SD.Next a été conçu dès le départ avec le support multiplateforme. Lors de la première installation, le script détecte automatiquement votre matériel et assemble une configuration adaptée.

Ce qu'il y a d'intéressant sous le capot

Exécuter des modèles volumineux sur du matériel modeste

Le problème principal des réseaux de diffusion modernes est leur appétit pour la mémoire vidéo. Une carte avec 8 Go de VRAM s'étouffe rapidement lorsque vous essayez d'exécuter un modèle récent en haute résolution.

SD.Next a ajouté deux mécanismes :

1. Quantification via le moteur SDNQ. Le modèle est compressé à la volée ou utilise des poids quantifiés prêts à l'emploi. Cela réduit la consommation de mémoire jusqu'à 4 fois avec un impact minimal sur le détail.
2. Balanced Offload. Un mécanisme système qui distribue les couches du modèle entre la mémoire vidéo et la RAM système. Si les gigaoctets du GPU ne suffisent pas, certains calculs passent au CPU pour éviter une erreur Out of Memory.

Support pour tout matériel

Les développeurs maintiennent une longue liste d'accélérateurs matériels :

• Nvidia via CUDA
• AMD sur Linux et Windows via ROCm ou ZLUDA
• Intel Arc utilisant OneAPI et IPEX
• Tous les GPU et CPU via OpenVINO
• DirectML pour les cartes graphiques avec support DirectX sur Windows
• Puces Apple M1/M2/M3 avec le backend Torch MPS

Si vous souhaitez isoler l'environnement, le projet propose des images Docker officielles pour CUDA, ROCm, OpenVINO et Intel IPEX.

Étiquetage automatique et modèles de langage

D'habitude, pour préparer des descriptions pour les images, vous devez installer des extensions tierces ou des utilitaires séparés. SD.Next dispose d'un module intégré pour l'étiquetage automatique des images. Il utilise plus de 25 modèles, incluant les réseaux VLM/LLM, OpenCLIP, et des taggers comme WaifuDiffusion et DeepDanbooru. Cela accélère la préparation des ensembles de données pour entraîner votre propre adaptateur LoRA.

Comment commencer

L'installation se résume à trois commandes dans le terminal :

git clone https://github.com/vladmandic/sdnext
cd sdnext

# Для Linux или macOS:
./webui.sh

# Для Windows:
webui.bat

Au premier démarrage, le script télécharge les dépendances, détecte le GPU et sélectionne les drapeaux d'optimisation. L'interface est adaptée aux écrans mobiles, vous pouvez donc contrôler le processus de génération directement depuis votre téléphone sur le réseau local.

Qui devrait l'essayer

SD.Next sera certainement utile dans plusieurs cas :

• Vous avez un GPU AMD, Intel Arc ou Mac et vous êtes fatigué de sauter à travers des cerceaux avec le WebUI standard.
• Votre GPU a une VRAM limitée, mais vous voulez expérimenter avec des modèles lourds sans plantage mémoire.
• Vous construisez des ensembles de données et avez besoin d'outils intégrés pour l'étiquetage et le taggage.

Si vous êtes habitué à ComfyUI avec son flux de travail basé sur les nœuds, il y a peu d'intérêt à passer à une interface de style tabulaire. Mais comme solution complète pour le travail rapide d'images et de vidéos, SD.Next couvre la plupart des tâches quotidiennes.