Stable Diffusion Web UIの使い方ガイド｜導入から画像生成まで

Stable Diffusion Web UIを使い始めるには、利用環境を選び、インストールと基本操作の流れを理解することが大切です。本記事では、ローカルとクラウドの違い、Windowsでの導入方法、画像を生成するまでの基本手順を初心者向けに解説し、Web UIの操作に慣れながら、初めてでもスムーズに画像を生成できるようになることを目指します。

Stable Diffusion Web UIとは？

Stable Diffusion Web UIとは、画像生成AI「Stable Diffusion」をブラウザ上の画面から操作するためのインターフェースです。Stable Diffusionが画像を生成する仕組みであるのに対し、Web UIはモデル選択、プロンプト入力、画像サイズの設定、生成結果の保存などを画面上で行うための操作環境に当たります。

Stable Diffusionを操作できるWeb UIには複数の種類がありますが、本記事ではAUTOMATIC1111版を使用します。AUTOMATIC1111版は、基本的な画像生成だけでなく、既存画像の編集、部分修正、生成条件の再利用、拡張機能の追加にも対応しています（出典：AUTOMATIC1111『Stable Diffusion web UI』、『Features』）。

• txt2img：テキストから新しい画像を生成する
• img2img：入力画像をもとに構図や表現を変更する
• Inpaint：画像内の指定範囲だけを修正する
• Hires. fix：低い解像度で作った構図を利用しながら高解像度化する
• PNG Info：画像に保存されたPromptやSeedなどの条件を読み込む
• Extensions：ControlNetなどの機能を追加する

AUTOMATIC1111版は選択できる設定が多いため、初期画面を開いた段階では複雑に見えることがあります。ただし、最初の画像生成で操作する項目は、Checkpoint、Prompt、Negative Prompt、Sampling Steps、CFG Scale、Seed、Width・Height、Generateの8項目が中心です。そのため、まず基本項目だけを使い、必要になった段階で追加機能を覚えると理解しやすくなります。

Stable Diffusion Web UIを使う環境と導入方法

Stable Diffusion Web UIを使い始めるには、ローカル環境とクラウド環境の違いを確認し、PCスペックを確認してから導入します。具体的には次の流れで進めます。

• 利用頻度、GPU、データ管理から環境を選ぶ
• OS、GPU、RAM、VRAM、ストレージを確認する
• WindowsへWeb UIをインストールする
• ローカルURLを開き、モデルを選択できる状態にする

1. ローカル環境とクラウド環境を選ぶ

ローカル環境は、自分のパソコンへWeb UI、モデル、拡張機能を保存して使う方法です。継続利用や細かなカスタマイズに向き、生成データを原則として端末内で管理できます。

クラウド環境は、サービス側のGPUをオンラインで利用する方法です。対応GPUがなくても試しやすい一方、利用時間に応じた料金や、アップロードデータ・保存期間の確認が必要です。

表1: ローカル環境とクラウド環境の比較

利用できるNVIDIA GPUがあり、継続的にモデルや拡張機能を試したい場合はローカル環境が候補です。一方、対応GPUがない場合や、まず操作感だけを確認したい場合はクラウド環境を検討します。また、社内資料や顧客データを扱う場合は、どちらでも利用規約と保存先を確認してください。

2. ローカル環境に必要なPCスペック

本記事ではWindows 10／11とNVIDIA GPUを使用します。具体的には、AUTOMATIC1111公式Wikiで安定動作の目安としてRAM 16GBが示されています。なお、必要なVRAMはモデル、画像サイズ、Batch Size、高解像度化の有無によって変わります（出典：AUTOMATIC1111『Troubleshooting』）。

表2: Stable Diffusion Web UIに必要なPC環境

最初はモデルの推奨画像サイズ、Batch Size 1、Hires. fixオフで1枚を生成します。もしVRAM不足が出た場合は、Width・HeightとBatch Sizeを下げ、それでも改善しない場合にmedvramやlowvramを検討してください。なお、これらはVRAM使用量を抑える代わりに処理速度へ影響します（出典：AUTOMATIC1111『Install and Run on NVidia GPUs』、『Optimizations』）。

3. Windowsへインストールする

AUTOMATIC1111公式では、Windows向け配布パッケージとPython・Gitを使う方法が案内されています。本記事では、コマンド操作が少ない配布パッケージを使用します（出典：AUTOMATIC1111『Install and Run on NVidia GPUs』）。

1．公式ファイルをダウンロードする

公式GitHubからsd.webui.zipを取得します。第三者が再配布しているパッケージは避けてください。

2．ZIPファイルを展開する

書き込み権限があり、モデルと生成画像を保存できるフォルダーへ展開します。

3．update.batを実行する

update.batをダブルクリックし、更新処理が完了するまで待ちます。

4．run.batを実行する

run.batを実行します。初回は依存ファイルを取得するため、通常より時間がかかる場合があります。

5．ローカルURLを開く

ターミナルに表示されたhttp://127.0.0.1:7860をブラウザで開き、txt2img、Checkpoint、Prompt、Generateが表示されるか確認します。

6．モデルを確認する

モデルが表示されない場合は、ファイルがmodels/Stable-diffusionにあるか確認し、Checkpoint欄を更新するかWeb UIを再起動します。

Web UIの使用中はターミナルを閉じないでください。Python・Git方式では、公式Wikiで案内されているPython 3.10.6とGitを用意し、webui-user.batを実行します。

Stable Diffusion Web UIの使い方｜画像生成の6ステップ

Stable Diffusion Web UIの基本操作は、モデルを選び、PromptとNegative Promptを入力し、主要パラメータを設定してGenerateを実行する流れです。初めて使う場合は次の6ステップに沿って1枚を生成します。

• モデルを選ぶ
• Promptを入力する
• Negative Promptを入力する
• Steps、CFG Scale、Seed、画像サイズを設定する
• Generateを実行する
• 画像と生成条件を保存する

1. 生成に使用するモデルを選ぶ

Checkpoint欄からモデルを選びます。モデルは、写実、イラスト、人物、背景などの得意分野と推奨画像サイズに影響します。

配布ページで、対応するStable Diffusionの世代、推奨サイズ、Sampler、VAEの要否、Trigger Word、ライセンスを確認してください。初回は、作例と推奨設定が明記されたモデルを選ぶと調整しやすくなります。

2. プロンプトを入力する

Prompt欄には、被写体、背景、光、構図、スタイルの順で要素を追加します。

a modern cafe in Tokyo, warm lighting, wide-angle view, realistic photo

最初から長い文章にせず、主題とスタイルから始め、結果を見ながら背景や光を追加します。daylightとdark nightのような矛盾する条件は避けてください。

3. ネガティブプロンプトを入力する

Negative Prompt欄には、表示を抑えたい要素を入力します。最初は次のように短く設定します。

low quality, blurry, distorted, text, watermark

Negative Promptは完全な除去機能ではありません。生成画像で実際に発生した問題に合わせて語句を追加し、必要な被写体まで弱くなった場合は語句を減らします。

4. 基本パラメータを設定する

初回はSampling Steps 20、CFG Scale 7、Seed -1、Batch Size 1を基準にできます。WidthとHeightはモデルの推奨サイズを使用します。

Sampling Stepsは処理回数、CFG ScaleはPromptへの追従度、Seedはノイズの初期値です。最初から値や画像サイズを大きくせず、1枚を正常に生成した後で一つずつ変更してください。

5. Generateで画像を生成する

Generateをクリックすると処理が始まり、完了後に結果エリアへ画像が表示されます。生成時間はGPU、モデル、画像サイズ、Steps、Batch Size、Hires. fixによって変わります。

画像が表示されない場合は、ブラウザだけでなく起動時のターミナルの最後に表示されたエラーも確認します。

6. 画像と生成条件を保存する

画像は保存ボタンから取得でき、設定によってはoutputsにも保存されます。モデルや用途ごとにフォルダーを分けると、後から比較しやすくなります。

PNGにPrompt、Negative Prompt、Seed、Sampler、Steps、CFG Scale、画像サイズなどのmetadataが残っていれば、PNG Infoから条件を再利用できます（出典：AUTOMATIC1111『Features』）。SNSや画像編集ソフトを経由するとmetadataが削除される場合があるため、元のPNGも保存してください。

プロンプトとネガティブプロンプトの書き方

プロンプトは、生成したい内容を「被写体＋状態＋背景＋構図＋スタイル」の順に整理すると調整しやすくなります。同じモデルとSeedを維持し、要素を一つずつ追加してください。

1. プロンプトを基本要素に分ける

被写体 ＋ 動作・状態 ＋ 背景 ＋ 構図 ＋ スタイル・質感

表3: プロンプトの具体化段階と指定内容

短いPromptは候補を広く探す場合に向き、詳細なPromptは目的を絞る場合に向きます。まず構図を探し、気に入ったSeedを固定して背景や光を追加すると比較しやすくなります。

2. 変更前と変更後を比較する

表4: プロンプト変更前後の比較ポイント

指定が反映されない場合は、同じ意味の単語を増やす前に、モデルの得意分野、CFG Scale、Prompt内の矛盾を確認します。長いPromptで警告が出た場合は、重要度の低い語句を整理してください（出典：AUTOMATIC1111『Features』）。

3. 強調と重み付けを使う

AUTOMATIC1111版では、(keyword:1.2)の形式で要素を重み付けできます。

a modern cafe in Tokyo, (wooden interior:1.2), warm lighting, realistic photo

高い数値は色や形を過剰に表現する場合があるため、1.1〜1.2程度から同じSeedで比較します（出典：AUTOMATIC1111『Features』）。

4. ネガティブプロンプトを問題別に追加する

表5: ネガティブプロンプトの問題別設定例

長いNegative Promptを最初から使うより、実際に発生した問題へ関係する語句だけを追加します。結果が悪化した場合は追加前へ戻してください。

生成結果を調整する主要パラメータ

生成結果を比較するときは、モデル、Prompt、Negative Promptを固定し、一度に一つの値だけを変更します。次の値は操作確認用の目安であり、モデル配布元に推奨設定がある場合はそちらを優先してください。

表6: Stable Diffusion Web UIの主要パラメータ

1. Sampling MethodとSampling Stepsを比較する

Sampling Methodは、ノイズから画像を作る処理方式です。まず、モデルに推奨Samplerがある場合は、その設定から始めます。一方、Sampling Stepsは処理回数を示しますが、値を増やしても品質が上がり続けるとは限りません。

表7: Sampling Stepsの比較例

20と30の差が小さい場合は、生成時間を抑えるため20へ戻す判断ができます。

2. CFG Scaleを比較する

CFG ScaleはPromptへの追従度です。低いと指定が弱くなる場合があり、高すぎると色や輪郭が不自然になる場合があります。

表8: CFG Scaleの比較例

指定が反映されない場合は、CFG Scaleだけでなく、モデルの適性とPromptの具体性も確認します。

3. Seedを固定して変更前後を比べる

Seedを-1にすると毎回異なる候補を探せます。気に入った画像ができたらSeedを固定し、PromptやCFG Scaleだけを変えると、近い構図で差を比較できます。

モデル、Sampler、画像サイズを変えると、同じSeedでも結果が大きく変わる場合があります。再現したい画像では、Seed以外の条件も保存してください。

4. 画像サイズとアスペクト比を変える

表9: 画像サイズと構図の傾向

上記は比較用の例です。ただし、モデルごとに推奨サイズが異なるため、配布元の値を優先してください。また、サイズを大きくするとVRAM使用量も増えるため、基本構図を決めた後にHires. fixやUpscaleを検討します。

5. Batch CountとBatch Sizeを使い分ける

Batch Countは生成を順番に繰り返す回数、Batch Sizeは同時生成数です。一方、Batch Sizeを増やすとVRAM使用量が増えるため、最初は1にします。そのため、複数候補を確認したい場合はBatch Countを増やす方がメモリ不足を避けやすくなります。

複数のStepsやCFG Scaleをまとめて比較したい場合は、ScriptのX/Y/Z Plotを利用できます（出典：AUTOMATIC1111『Stable Diffusion web UI』、『Features』）。

目的別に使い分けるStable Diffusion Web UIの主な機能

Stable Diffusion Web UIは、新規生成だけでなく、元画像の変換、部分修正、高解像度化、条件の再利用、構図の制御に対応します。txt2imgに慣れた後、目的に応じて機能を追加します。

1. txt2img・img2img・Inpaintを使い分ける

表10: txt2img・img2img・Inpaintの使い分け

img2imgではDenoising Strengthで元画像からの変化量を調整します。具体的には、低い値では元画像に近く、高い値ではPromptの影響が強くなります。一方、Inpaintはマスクした範囲だけを生成し直すため、背景の一部や服装、小物の修正に向いています。

2. Hires. fixとUpscaleで高解像度化する

Hires. fixは低い解像度で構図を作り、拡大後に再生成して細部を追加します。Upscaleは生成済み画像のサイズを大きくする機能です（出典：AUTOMATIC1111『Features』）。

表11: Hires. fixとUpscaleの比較

高解像度化しても、手、顔、文字、構図の問題がすべて修正されるわけではありません。通常サイズで構図を確認し、必要に応じてInpaintで修正してから拡大します。

3. PNG Infoで生成条件を再利用する

PNG Infoでは、画像に残ったPrompt、Negative Prompt、Seed、Sampler、Steps、CFG Scale、画像サイズを確認できます。画像を読み込み、Send to txt2imgまたはSend to img2imgを選ぶと条件を再利用できます。

SNSや画像編集ソフトを経由するとmetadataが削除される場合があるため、Web UIから出力された元のPNGを保存してください。

4. Checkpoint・LoRA・VAEで表現を調整する

表12: Checkpoint・LoRA・VAEの役割

互換性が合わない場合は、意図した結果にならないことがあります。追加前に配布元、対応バージョン、商用利用条件を確認します。

5. ControlNetと拡張機能で操作を広げる

ControlNetは、入力画像の姿勢、輪郭、線画、奥行きなどを条件に加え、プロンプトだけでは指定しにくい構図を制御します（出典：Zhang et al.『Adding Conditional Control to Text-to-Image Diffusion Models』、Mikubill『sd-webui-controlnet』）。

拡張機能はExtensionsタブから追加できますが、本体とは別に更新されます。配布元、対応バージョン、更新状況、依存パッケージ、ライセンスを確認し、基本機能が動く状態で一つずつ追加してください。

画像を生成できない原因と対処法

画像を生成できない場合は、インストール、起動、モデル認識、画像生成のどの段階で止まったかを確認します。ターミナルの最後に表示されたエラーを確認し、一度に一つの設定だけを変更してください。

1. インストール・起動時のエラー

ローカルURLが表示されない場合は、Python、Git、依存ファイル、通信環境、保存先の権限を確認します。配布パッケージではupdate.batとrun.bat、Python・Git方式ではwebui-user.batを使うため、手順を混同しないようにします。

2. モデル・GPU・VRAMのエラー

Checkpointが表示されない場合は、保存先、ファイル形式、ダウンロード状況を確認します。Out of Memoryでは、Width・Height、Batch Size、Hires. fixを下げ、必要な場合にmedvramやlowvramを検討します。

3. 生成速度と画像品質の問題

生成が遅い場合は画像サイズ、Steps、Batch Size、Hires. fixを確認します。イメージと異なる場合はモデル、Prompt、Negative Prompt、CFG Scale、推奨サイズを見直します。

表13: 画像生成時の主な症状と対処法

手や顔、文字の崩れは、Promptだけでは修正しにくい場合があります。利用できる構図ができた後にInpaintで部分修正するか、別モデルやControlNetを検討します。

まとめ

Stable Diffusion Web UIの使い方は、環境選択、インストール、モデルとプロンプトの設定、Generate、画像保存の順で確認できます。そのため、生成結果を調整するときはSeedを固定し、一つの条件だけを変更してください。また、企業で生成AIを活用する場合は、モデルのライセンス、入力データ、生成物の権利、社内運用ルールも合わせて確認することが重要です。

カオピーズは、生成AIの企画・PoCからシステム開発、導入後の運用まで一気通貫で支援しています。技術検証や業務への組み込み方を整理したい企業様は、用途と課題に合う進め方をご相談いただけます。

よくある質問（FAQ）

Q1. Stable Diffusion Web UIの使い方は初心者でも覚えられますか？

モデル、Prompt、Negative Prompt、画像サイズを設定し、Generateで1枚を生成する手順から始めれば基本操作を確認できます。最初は拡張機能を追加せず、Seedを固定して設定差を比較すると理解しやすくなります。

Q2. Stable Diffusion Web UIは無料で使えますか？

AUTOMATIC1111版はAGPL-3.0で公開され、無償で入手できます（出典：AUTOMATIC1111『LICENSE.txt』）。ただし、PCやクラウドGPUには費用が発生する場合があり、使用するモデルにも個別のライセンスがあります。

Q3. ダウンロードしたモデルはどこに保存しますか？

Checkpoint、LoRA、VAEは、Web UIのmodels配下にある対応フォルダーへ保存します。導入方法やバージョンで構成が異なるため、公式リポジトリを確認し、保存後に一覧を更新してください。

Q4. 以前と同じ画像を再生成できますか？

近い画像を再生成するには、モデル、Prompt、Negative Prompt、Seed、Sampler、Steps、CFG Scale、画像サイズをそろえます。metadataが残るPNGは、PNG Infoから条件を読み込めます。

Q5. 生成した画像は商用利用できますか？

商用利用の可否は、Checkpoint、LoRA、VAE、入力画像、利用サービスの規約によって異なります。また、経済産業省のガイドブックも、生成AIを使ったコンテンツ制作ではサービス選定とリーガルチェックを行うことを想定しています（出典：経済産業省『コンテンツ制作のための生成AI利活用ガイドブック』、2024年）。そのため、広告や販売物へ使用する前に、関連する権利と利用条件を確認してください。

参考文献

1. AUTOMATIC1111.（n.d.）.「Stable Diffusion web UI」. GitHub（2026年7月20日閲覧）.
   https://github.com/AUTOMATIC1111/stable-diffusion-webui
2. AUTOMATIC1111.（2024）.「Features」. Stable Diffusion web UI Wiki.
   https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Features
3. AUTOMATIC1111.（n.d.）.「Troubleshooting」. Stable Diffusion web UI Wiki（2026年7月20日閲覧）.
   https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Troubleshooting
4. AUTOMATIC1111.（n.d.）.「Install and Run on NVidia GPUs」. Stable Diffusion web UI Wiki（2026年7月20日閲覧）.
   https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-NVidia-GPUs
5. AUTOMATIC1111.（n.d.）.「Optimizations」. Stable Diffusion web UI Wiki（2026年7月21日閲覧）.
   https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Optimizations
6. AUTOMATIC1111.（2023）.「GNU Affero General Public License v3.0」.
   https://github.com/AUTOMATIC1111/stable-diffusion-webui/blob/master/LICENSE.txt
7. Zhang, L., Rao, A., & Agrawala, M.（2023）.「Adding Conditional Control to Text-to-Image Diffusion Models」. arXiv.
   https://arxiv.org/abs/2302.05543
8. Mikubill.（n.d.）.「sd-webui-controlnet」. GitHub（2026年7月20日閲覧）.
   https://github.com/Mikubill/sd-webui-controlnet
9. 経済産業省.（2024）.「コンテンツ制作のための生成AI利活用ガイドブック」.
   https://www.meti.go.jp/policy/mono_info_service/contents/aiguidebook.html