Stable Diffusionのダウンロード方法｜ローカル環境の導入手順を解説

Stable Diffusionのダウンロードは、Python・Gitの導入、WebUI（操作画面）の取得、モデルファイルの配置という流れで進めます。ただし、快適に動かすにはPCスペックの確認や、用途に合ったWebUIの選定が欠かせません。本記事を読めば、PCスペックの確認からWebUIの選び方、ダウンロード・インストール、モデル導入、初回の画像生成までを一通り理解でき、初めての方でも自分のPCに合った形でStable Diffusionを導入できるようになります。

Stable Diffusionとは？

Stable Diffusionとは、テキスト（プロンプト）を入力するだけで画像を生成できる、オープンソースの画像生成AIです。プロンプトから画像を作る「テキスト画像生成（txt2img）」を中心に、既存画像を作り変える「画像変換（img2img）」や、画像の一部だけを描き直す「部分修正（inpainting）」にも対応します。さらに、「LoRA」や「ControlNet」などの追加モデルを組み込めば、ポーズや画風を細かくコントロールでき、高性能なNVIDIA製GPUを搭載したPCがあれば、自分の環境にインストールして回数の制限なく利用できます。

Stable Diffusionの最大の特徴は、モデルの重みとコードが公開されている点にあります。多くの画像生成AIが提供元のサービス上でしか使えないのに対し、Stable Diffusionは公開されているため、個人のPCでも動作させられ、拡張機能や派生モデルを含む大きなエコシステムが形成されています。技術的には「潜在拡散モデル（Latent Diffusion Model）」と呼ばれる方式を採用し、ノイズから徐々に画像を復元するプロセスによって高解像度の画像を生成します。

ローカル環境とオンラインサービスの違い

Stable Diffusionは自分のPCで動かせるのが特徴ですが、実際の利用方法はローカル環境とオンラインサービスの2通りに分かれます。どちらを選ぶかで、準備の手間や生成の自由度、かかるコストが大きく変わるため、最初にこの2つの違いを整理しておくことが重要です。両者の主な違いは、以下のとおりです。

比較項目	ローカル環境	オンラインサービス
初期セットアップ	環境構築が必要	アカウント登録のみ
ハードウェア要件	GPU搭載PCが前提	ブラウザのみで可
生成回数の制限	制限なし	プランに応じて上限あり
モデル選定の自由度	高い（追加・切替可）	限定的
データの取り扱い	ローカル完結が可能	外部サーバー経由
継続コスト	電気代中心で抑えやすい	月額課金が積み上がる

表1: ローカル環境とオンラインサービスの比較

どちらの方法にも、それぞれメリットとデメリットがあり、目的や環境によって適した選択は異なります。ただし、ローカル環境はオンラインサービスに比べて、事前に満たすべき要件が多くなります。ローカル環境を選ぶ場合は、次に自分のPCがその要件を満たすかを確認します。

Stable Diffusionをローカル環境で使うメリット

ローカル環境はオンラインサービスよりも準備の手間がかかりますが、その分だけ得られる利点も大きくなります。モデルや生成設定を自由に扱える点が中心で、コストや機密性の面でもオンラインにはない強みがあります。ローカル環境ならではの主なメリットは、次の4つです。

1. モデルや生成設定を自由にカスタマイズできる

ローカル環境では、モデルの切り替え、追加学習（LoRA・DreamBooth）、拡張機能の導入を自由に行えます。オンラインサービスが対応していない特殊なモデルや複雑なワークフローも、ローカルなら構成に組み込めます。表現の幅を自分の目的に合わせて追い込める点が、ローカル運用の中心的な価値です。

2. 生成回数や機能に制限がない

ローカル環境は、月あたりの生成上限や高解像度出力のプラン制限を受けません。オンラインサービスの多くが課金プランで生成枚数や機能を区切るのに対し、ローカルでは回数を気にせず生成できます。プロンプトやパラメータを何度も変えて試す試行錯誤の用途で、大きく効いてきます。

3. 継続利用時のコストを抑えやすい

ローカル運用の主なコストは、電気代とハードウェアの初期投資です。月額課金型のオンラインサービスと比較すると、使うほど費用が積み上がる構造ではないため、長期的・高頻度で使うほどランニングコストを抑えやすくなります。

4. データを外部に送信せずに扱える

ローカル環境では、入力プロンプトや参照画像を自分のPC内だけで処理できます。生成にあたって素材を外部サーバーへ送らないため、社外に持ち出せないデータや機密性の高い素材を扱う場面にも適しています。

Stable Diffusionをローカル環境で使うデメリット

ローカル環境は自由度が高く、長期的なコストも抑えやすい方法です。ただし、こうした利点は、モデルの用意から環境構築、不具合の対応までを自分で行うことと引き換えに得られます。そのため、導入前には次の4つのデメリットも押さえておく必要があります。

1. 高性能なGPU環境が必要になる

ローカルでの画像生成は、GPU（特にVRAM容量）に大きく依存します。快適に動かす目安はVRAM 12GB以上のNVIDIA製GPUで、GPUを搭載しないノートPCや内蔵GPUのみのPCでは、実用的な速度で動かすことが難しくなります。必要スペックの詳細は後述します。

2. 初期セットアップの学習コストが高い

ローカル導入には、Python・Gitのインストール、リポジトリの取得、依存パッケージの構築など複数のステップが必要です。オンラインサービスがアカウント登録だけで始められるのに対し、ローカルは環境構築そのものが最初のハードルになります。

3. 不具合対応が自己責任になる

ローカル運用では、エラーの切り分けと対処を利用者自身で行います。GPUドライバの更新、依存関係の競合、モデルとの相性など、トラブルシューティングの知見が求められる場面があります。

4. モデルや拡張機能のライセンス確認が必要になる

Hugging FaceやCivitaiで公開されているモデルは、商用利用の可否や再配布の条件がモデルごとに異なります。ローカルでは自分でモデルを選んで導入するため、業務利用を想定する場合はライセンス表記の確認が欠かせません（詳細は「モデルのダウンロード方法」で解説します）。

必要なPCスペックと確認方法

デメリットの中でも特に影響が大きいのが、ハードウェアの要件です。Stable Diffusionは画像生成の際にGPUへ大きな負荷をかけるため、快適に動かすにはVRAM容量を中心とした一定のスペックが求められます。ここでは推奨スペックの目安と、自分のPCが要件を満たすかを確認する方法、そして足りない場合の対策を順に見ていきます。

1. 推奨PCスペックの目安

ローカル運用の目安となるPCスペックは、以下のとおりです。

項目	最低ライン	推奨（快適に使う）
GPU	NVIDIA GeForce GTX 1660（VRAM 6GB）	NVIDIA GeForce RTX 3060以上（VRAM 12GB）
VRAM	6GB	12GB以上
メインメモリ	16GB	32GB
ストレージ	SSD 20GB以上の空き	SSD 100GB以上（モデル複数保存）
OS	Windows 10/11 64bit	Windows 11 64bit / Linux

表2: Stable Diffusionローカル運用の推奨PCスペック目安

これらの要件を満たさない場合、動作にさまざまな支障が出ます。特にVRAMが不足すると、生成の途中で「CUDA out of memory」エラーが発生して停止したり、生成時間が極端に延びたりします。メインメモリやストレージが足りない場合は、モデルの読み込みに失敗したり、複数のモデルを保存できなくなることもあります。SDXLなど近年の大きなモデルほど要件が高くなるため、VRAM 12GB以上が実用ラインの目安となります。

2. 自分のPCスペックを確認する方法

Windowsで自分のPC構成を確認する主な方法は、次の3つです。

• DirectX診断ツール（dxdiag）：検索から「dxdiag」を実行し、「ディスプレイ」タブでGPUの名称・種類・専用ビデオメモリ（VRAM）を確認します。まずGPUが搭載されているかを確認できます。
• タスクマネージャー：「パフォーマンス」タブから「GPU」を選ぶと、専用GPUメモリ・共有GPUメモリの容量が表示されます。VRAMが6GB未満の場合は、後述の低VRAM向け構成を検討します。
• GPU-Zなどの無料ツール：GPUのアーキテクチャや対応CUDAバージョン、実際の使用状況まで確認でき、トラブル発生時の切り分けにも役立ちます。

3. 低スペックPCで動かす場合の選択肢

VRAMが6GB未満、または内蔵GPUのみのPCでも、次の選択肢があります。ただし、いずれも生成速度や品質面での妥協が発生します。

• 低VRAMに最適化されたWebUI（Forge・reForgeなど）を利用する
• より軽量なモデル（SD 1.5系）を選択する
• Google Colaboratoryなどのクラウド環境を活用する
• オンラインサービスの利用に切り替える

Forge系のWebUIを使う場合、VRAM 4GB程度でもSD 1.5系のモデルが動作するとされています。ただしSDXLなど新しい大型モデルは依然として高いVRAM要件を必要とするため、扱いたいモデルに合わせて構成を選ぶ必要があります。

AUTOMATIC1111・Forge・ComfyUIの違い

PCが要件を満たしていることを確認できたら、次に決めるのが操作用のWebUIです。WebUIはモデルを動かして画像を生成するための画面で、ローカルで広く使われているのはAUTOMATIC1111・Forge・ComfyUIの3つです。それぞれ操作性やVRAMの必要量、拡張機能の扱いが異なるため、自分の使い方に合うものを選ぶには違いを理解しておく必要があります。

比較項目	AUTOMATIC1111	Forge	ComfyUI
操作性	フォーム型で直感的	AUTOMATIC1111とほぼ同等	ノード編集型で学習が必要
VRAM要件	6GB以上推奨	4GBから動作可能	構成次第で幅広く対応
拡張機能の豊富さ	非常に多い	多くが互換	ノード単位で自由に構築
学習コスト	低い	低い	高い
推奨ユーザー	これから始める方全般	低VRAM環境の方	ワークフローを細かく組みたい方

表3: 主要WebUIの比較

1. AUTOMATIC1111（Stable Diffusion WebUI）

AUTOMATIC1111は、Stable Diffusionのローカル運用でもっとも広く使われてきたWebUIです。フォーム型のシンプルな操作画面と、拡張機能（Extensions）の豊富さが特徴で、日本語の解説記事の多くもこのUIをベースに書かれています。LoRA・ControlNet・inpaintingなどの主要機能をひと通り学びやすい反面、前述のとおり本体の更新は停滞しており、新規導入ではdevブランチの利用が前提になります。

2. Stable Diffusion WebUI Forge

Forgeは、AUTOMATIC1111から派生したWebUIで、パフォーマンスと低VRAM環境への最適化を目的に作られました。AUTOMATIC1111と似た操作感を保ちながら、内部のメモリ管理を刷新し、同じハードウェアでもより少ないVRAMで生成できるケースが報告されています。低スペックPCでStable Diffusionを試したい場合の有力な選択肢です（出典：GitHub『lllyasviel/stable-diffusion-webui-forge』）。

3. ComfyUI

ComfyUIは、生成処理を「ノード（処理ブロック）」の接続で表現するWebUIです。プロンプト入力・モデル読み込み・サンプリング・後処理といった各工程を、視覚的にワークフローとして組み立てられます。柔軟性と再現性の高さから業務・研究用途で選ばれることが増えている一方、ノード編集の考え方に慣れる必要があり、初めての方には学習コストが高めです（出典：GitHub『comfyanonymous/ComfyUI』）。

Stable Diffusionのダウンロード方法・インストール手順

利用するWebUIが決まったら、いよいよStable Diffusion本体のダウンロードとインストールに進みます。ここでは情報量が多く始めやすいAUTOMATIC1111を例に、導入の流れを次の4ステップで解説します（ForgeやComfyUIも基本的な流れは共通です）。

• ステップ1: 前提ツール（Python・Git）のインストール
• ステップ2: WebUIリポジトリのクローン（devブランチ）
• ステップ3: 初期設定と依存パッケージの自動インストール
• ステップ4: WebUIの起動確認

なお現在は、masterブランチが新規インストールで失敗するケースがあるため、動作するdevブランチを取得します（出典：GitHub『AUTOMATIC1111 Wiki: Install and Run on NVidia GPUs』）。

ステップ1: 前提ツールのインストール（Python 3.10.6・Git）

まず、動作に必要な前提ツールとして、PythonとGitをインストールします。AUTOMATIC1111はバージョン依存が強く、Python 3.10.6の利用が指定されています。これより新しいバージョンはPyTorchが対応しないため、必ずこの版数を選びます。Python公式サイトからインストーラを取得し、インストール時に「Add Python to PATH」を必ず有効にします。Gitも公式サイトからインストーラを取得し、デフォルト設定で導入します。

ステップ2: WebUIリポジトリのクローン（devブランチ）

次に、コマンドプロンプトまたはターミナルを開き、任意の作業フォルダで以下のコマンドを実行します。masterではなくdevブランチを取得する点がポイントです。

• 作業フォルダ（例: C:\SD）に移動する
• git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git を実行する
• cd stable-diffusion-webui でフォルダに移動する
• git checkout dev でdevブランチに切り替える

1行で済ませる場合は git clone -b dev https://github.com/AUTOMATIC1111/stable-diffusion-webui.git でも取得できます。masterブランチのままだと、依存リポジトリの取得段階でエラーになり、起動できないことがあります。

ステップ3: 初期設定と依存パッケージの自動インストール

クローンしたフォルダ内の webui-user.bat をダブルクリックすると、必要なPythonパッケージ（PyTorchなど）の自動インストールが始まります。初回は完了まで数十分かかる場合があります。Pythonが認識されない場合は、webui-user.bat の set PYTHON= 行に3.10.6の実行ファイルのパスを指定します。エラーが表示されたときは、Pythonの版数（3.10.6か）、GPUドライバ、ネットワーク接続を確認します。

ステップ4: WebUIの起動確認

初期構築が完了すると、コマンド画面に Running on local URL: http://127.0.0.1:7860 のようなメッセージが表示され、自動的にブラウザが開きます。表示されない場合は、ブラウザのアドレスバーに http://127.0.0.1:7860 を入力してアクセスします。Stable Diffusion WebUIの画面が表示されれば、導入は完了です。次にモデルファイルを用意し、実際の画像生成に進みます。

モデルのダウンロード方法

前の手順でWebUIの導入は完了しましたが、この状態ではまだ画像を生成できません。実際に生成を行うには、生成の土台となるモデルファイル（checkpoint）を別途用意し、WebUIに読み込ませる必要があります。モデルの導入は、次の4ステップで進めます。

• ステップ1: モデルの入手先を選ぶ（Hugging Face・Civitai）
• ステップ2: モデルのライセンスを確認する
• ステップ3: モデルファイルを所定のフォルダに配置する
• ステップ4: WebUIでモデルを認識・切り替える

ステップ1: モデルの入手先を選ぶ

モデルの主な配布先は、Hugging FaceとCivitaiです。Hugging Faceは、SDXL Base 1.0などの公式・準公式モデルを含む幅広いモデルが公開されています。Civitaiは、コミュニティ製の派生モデルやLoRAが多く集まる場です。初めての場合は、公式のSDXL Base 1.0やSD 1.5系など、素性の明確なモデルから始めると扱いやすくなります（出典：Hugging Face『Stability AI公式モデルリポジトリ』）。

ステップ2: モデルのライセンスを確認する

モデルによって、商用利用の可否・再配布の条件・出力物の権利範囲が異なります。公式のStable DiffusionモデルはCreativeML Open RAIL系ライセンスに基づき配布され、一定の制限のもとで商用利用が認められています。コミュニティ製モデルは配布ページごとに条件が異なるため、業務利用を前提とする場合は、モデルを追加するたびにライセンス表記を確認します。

ステップ3: モデルファイルを所定のフォルダに配置する

取得したモデルファイル（.safetensors形式または.ckpt形式）を、AUTOMATIC1111の models/Stable-diffusion フォルダに配置します。ファイル形式は、セキュリティの観点から .safetensors 形式が推奨されます。.ckpt 形式は任意のコードを含められる仕様のため、信頼できる配布元以外からの取得は避けます。

ステップ4: WebUIでモデルを認識・切り替える

WebUIを起動した状態でモデルを追加した場合は、画面左上のモデル選択欄の横にある更新ボタンを押すと、追加したモデルが認識されます。プルダウンから利用するモデルを選ぶと、以降の生成でそのモデルが使われます。複数のモデルを切り替えながら、生成結果を比較する運用も可能です。

画像の作り方・生成手順（txt2img）

WebUIの導入とモデルの配置が終われば、画像を生成する準備は整っています。ここからは、AUTOMATIC1111のtxt2imgタブを使い、プロンプトの入力から画像の出力までを実際に行います。基本的な生成手順は、次の4ステップです。

• ステップ1: プロンプトを入力する
• ステップ2: ネガティブプロンプトを設定する
• ステップ3: 生成パラメータを調整する
• ステップ4: 「Generate」で画像を生成する

ステップ1: プロンプトを入力する

「Prompt」欄に、生成したい画像の内容を英語で入力します。単語をカンマで区切って複数指定するのが基本の書き方です。たとえば風景画像なら、被写体・構図・時間帯・スタイル・画質に関する語を組み合わせます（例: mountain landscape, sunrise, cinematic lighting, highly detailed）。

ステップ2: ネガティブプロンプトを設定する

「Negative prompt」欄には、避けたい要素を指定します。人物画像で手や指の崩れを避けたい場合は、bad hands, extra fingers, mutated hands のように記述します。品質面で避けたい要素として low quality, blurry, worst quality を加えるのも一般的です。

ステップ3: 生成パラメータを調整する

主な生成パラメータと、標準的な設定の目安は以下のとおりです。

パラメータ	役割	目安
Sampling method	生成アルゴリズムの種類	DPM++ 2M系が広く使われる
Sampling steps	生成の反復回数	20〜30
CFG Scale	プロンプトへの忠実度	7前後
Width / Height	出力画像の解像度	モデルの基準サイズ（SDXLは1024基準）
Seed	乱数のシード値	再現したいときは固定（-1でランダム）

表4: 主な生成パラメータの目安

ステップ4: 「Generate」で画像を生成する

「Generate」ボタンを押すと、指定した設定で画像が生成されます。生成された画像は、outputs/txt2img-images/ フォルダに自動保存されます。狙った結果に近づけるには、プロンプトの微調整、パラメータの変更、シード固定での比較といった試行錯誤を重ねるのが基本です。

Stable Diffusionを使う際の注意点とよくある失敗

実際に生成を始めると、環境に起因するエラーや、権利面の見落としでつまずくことが少なくありません。あらかじめ起こりやすい失敗とその原因、対処法を知っておけば、トラブルが起きても落ち着いて対応できます。ここでは、特に多い5つのケースを取り上げます。

1. 「CUDA out of memory」でエラーになる（VRAM不足）

もっとも多いトラブルが、VRAM不足による「CUDA out of memory」エラーです。VRAM容量を見落としたままSDXL世代の大型モデルを動かそうとすると、生成の途中で停止します。対策としては、解像度を下げる、起動オプションに –medvram や –lowvram を付ける、Forge系の低VRAM向けWebUIに切り替える、といった方法があります。

2. インストールが途中で止まる・起動しない

導入時のつまずきで多いのが、ブランチ選択とPython版数の見落としです。masterブランチのまま進めると依存リポジトリの取得でエラーになり、Pythonが3.11以降だとPyTorchが対応せず起動できません。事前にdevブランチを取得し、python –version で3.10.6であることを確認しておくと、初回構築でつまずきにくくなります。

3. 追加したモデルが一覧に表示されない

モデルを配置したのに一覧に出ない、というのもよくある失敗です。配置先フォルダの誤りや、UIの再読み込み忘れが原因になりがちです。models/Stable-diffusion に正しく置いたうえで、モデル選択欄の更新ボタンを押すと認識されます。ファイルは .safetensors 形式で用意しておくと、安全性の面でも安心です。

4. 生成画像が真っ黒・ノイズだらけになる

設定を見落とすと、生成結果が真っ黒になったりノイズだらけになることがあります。特定のGPUやVAEとの相性が原因のケースが多く、放置すると原因の切り分けが難しくなります。起動オプションに –no-half-vae を追加する、モデルに合ったVAEを設定する、といった対処で改善する場合があります。

5. 生成物の著作権・ライセンスの確認を怠る

技術的な失敗ではありませんが、業務利用でもっとも注意すべきなのが権利面です。生成AI画像の権利関係は国や利用形態で考え方が異なり、日本国内では文化庁が判断の整理を示しています。確認を怠ると、意図せず利用規約や第三者の権利に抵触するおそれがあります。商用配布を行う場合は、最新のガイドラインとモデルごとの利用規約を踏まえ、社内の取り扱いルールを整備しておくことが重要です（出典：文化庁『AIと著作権に関する考え方について』、2024年）。

まとめ

Stable Diffusionをローカル環境に導入すると、生成回数の制限を受けず、モデルや生成設定を自由にカスタマイズしながら画像を生成できます。導入は、PCスペックの確認から始まり、用途に合ったWebUIの選定、Python・Gitの準備、WebUIとモデルのダウンロード、初回の画像生成へと進みます。特につまずきやすいのは、VRAM容量が要件に届かないケースと、AUTOMATIC1111をmasterブランチのまま導入して起動に失敗するケースです。前者は事前のスペック確認で、後者はdevブランチの取得で避けられます。あわせてモデルの出所とライセンスを確認しておけば、業務利用でも安心して使い始められます。まずは本記事の手順にそって、自分のPC環境に合った形でStable Diffusionを導入してみてください。

よくある質問（FAQ）

Q1. VRAM 4GBのPCでもStable Diffusionを動かせますか？

条件付きで動作する場合があります。低VRAMに最適化されたWebUI（Forge系）と、SDXLではなくSD 1.5系のモデルを組み合わせ、解像度を512×512程度に抑えることが前提です。ただし生成速度が遅くなり、拡張機能にも制約が出ます。継続的に使うなら、VRAM 12GB以上のGPUへの更新を検討するのが現実的です。

Q2. Stable Diffusionで生成した画像は商用利用できますか？

公式のStable DiffusionモデルはCreativeML Open RAIL系ライセンスに基づき、一定の制限のもとで商用利用が認められています。ただし、Hugging FaceやCivitaiで配布される派生モデルは、個別のライセンス条件が異なります。日本国内での利用は、文化庁のガイドラインを踏まえたうえで、モデル・LoRAごとの利用規約を必ず事前に確認してください。

Q3. インストール時にmasterブランチでエラーが出るのはなぜですか？

AUTOMATIC1111のmasterブランチは、依存リポジトリの取得部分で不具合が起きやすく、新規インストールで失敗するケースが報告されています。対処法は、devブランチを取得することです。git checkout dev でブランチを切り替えるか、git clone -b dev で最初からdevブランチを取得すれば、初期構築が通りやすくなります。

Q4. CPUのみでStable Diffusionを動かすことはできますか？

技術的には可能ですが、実用的な速度は期待できません。GPU環境で数秒〜数十秒の生成が、CPUのみでは数分〜十数分かかることがあります。単発の動作確認以外では、GPU搭載環境の準備か、Google Colaboratoryなどのクラウド環境の活用を検討するのが現実的です。

Q5. LoRAやControlNetなどの拡張機能はどう追加しますか？

AUTOMATIC1111では、WebUIの「Extensions」タブから、公開リポジトリのURLを指定してインストールできます。LoRAはモデルの一種として models/Lora フォルダに配置し、プロンプト内で呼び出して使います。拡張機能を追加する際は、対象WebUIバージョンとの互換性と、モデルのライセンスをあわせて確認してください。