SD. Next — Zamiennik Automatic1111 dla tych, którzy potrzebują więcej niż standardowego WebUI

Czy pamiętasz, jak zaledwie kilka lat temu lokalna generacja obrazów była synonimem Stable Diffusion WebUI autorstwa Automatic1111? Otwierałeś konsolę, czekałeś na uruchomienie PyTorch, dostosowywałeś ustawienia dla swojego GPU i modliłeś się, żeby pamięć VRAM nie skończyła się w połowie procesu. Jednak z czasem oryginalne repozytorium stało się coraz trudniejsze do utrzymania, a nowe architektury modeli zaczęły wymagać coraz więcej zasobów.

Vlad Mandic sforkował kod Automatic1111 pod koniec 2022 roku i stworzył SD. Next. Projekt rozpoczął się jako próba uporządkowania kodu źródłowego i wyciśnięcia maksymalnej wydajności z sprzętu, ale ewoluował w samodzielną platformę do generowania obrazów i wideo.

Czym różni się od oryginalnego WebUI?

Krótko mówiąc, SD. Next to głęboka modernizacja pod maską przy zachowaniu znajomego interfejsu webowego. Oryginalny WebUI jest silnie powiązany z kartami Nvidia i bibliotekami CUDA. Jeśli masz AMD, Intel Arc lub laptopa z chipem Apple z serii M, uruchomienie klasycznego WebUI zamieniało się w wyprawę wymagającą kompilacji bibliotek i szukania odpowiednich argumentów uruchomieniowych.

SD. Next został zbudowany z myślą o obsłudze wielu platform od samego początku. Podczas pierwszej instalacji skrypt automatycznie wykrywa sprzęt i tworzy odpowiednią konfigurację.

Co ciekawego pod maską

Uruchamianie dużych modeli na skromnym sprzęcie

Głównym problemem współczesnych sieci dyfuzyjnych jest ich apetyt na pamięć wideo. Karta z 8 GB VRAM szybko się dusi, gdy próbujesz uruchomić świeży model w wysokiej rozdzielczości.

SD. Next dodał dwa mechanizmy:

1. Kwantyzacja za pomocą silnika SDNQ. Model jest kompresowany w locie lub używa gotowych skwantyzowanych wag. Zmniejsza to zużycie pamięci nawet 4-krotnie przy minimalnym wpływie na szczegółowość.
2. Zrównoważone Offload. Mechanizm systemowy, który rozkłada warstwy modelu między pamięć wideo a RAM systemowy. Jeśli gigabajty GPU nie wystarczą, część obliczeń przesuwa się na CPU, aby uniknąć błędu Out of Memory.

Obsługa dowolnego sprzętu

Deweloperzy utrzymują długą listę akceleratorów sprzętowych:

• Nvidia przez CUDA
• AMD na Linuksie i Windows przez ROCm lub ZLUDA
• Intel Arc używając OneAPI i IPEX
• Dowolne GPU i CPU przez OpenVINO
• DirectML dla kart graficznych z obsługą DirectX na Windows
• Chipy Apple M1/M2/M3 z backendem Torch MPS

Jeśli chcesz izolować środowisko, projekt ma oficjalne obrazy Docker dla CUDA, ROCm, OpenVINO i Intel IPEX.

Automatyczne etykietowanie i modele językowe

Zazwyczaj, aby przygotować opisy dla obrazów, musisz zainstalować rozszerzenia stron trzecich lub osobne narzędzia. SD. Next ma wbudowany moduł automatycznego etykietowania obrazów. Wykorzystuje ponad 25 modeli, w tym sieci VLM/LLM, OpenCLIP oraz taggery takie jak WaifuDiffusion i DeepDanbooru. Przyspiesza to przygotowanie zbiorów danych do trenowania własnego adaptera LoRA.

Jak zacząć

Instalacja sprowadza się do trzech poleceń w terminalu:

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

# Для Linux или macOS:
./webui.sh

# Для Windows:
webui.bat

Przy pierwszym uruchomieniu skrypt pobiera zależności, wykrywa GPU i dobiera flagi optymalizacyjne. Interfejs jest dostosowany do ekranów mobilnych, więc możesz kontrolować proces generowania prosto z telefonu w sieci lokalnej.

Kto powinien spróbować

SD. Next z pewnością przyda się w kilku przypadkach:

• Masz GPU AMD, Intel Arc lub Maca i masz dość przeskakiwania przez różne przeszkody ze standardowym WebUI.
• Twoje GPU ma ograniczoną pamięć VRAM, ale chcesz eksperymentować z ciężkimi modelami bez awarii pamięci.
• Budujesz zbiory danych i potrzebujesz wbudowanych narzędzi do etykietowania i tagowania.

Jeśli jesteś przyzwyczajony do ComfyUI z jego przepływem pracy opartym na węzłach, niewiele zyskasz na przejściu na interfejs w stylu tabelarycznym. Ale jako kompletne rozwiązanie do szybkiej pracy z obrazami i wideo, SD. Next pokrywa większość codziennych zadań.