SD.Next — замена Automatic1111 для тех, кому мало стандартного WebUI
Помните, как пару лет назад локальная генерация картинок ассоциировалась исключительно с Stable Diffusion WebUI от Automatic1111? Открываешь консоль, ждёшь запуск PyTorch, настраиваешь параметры под свою видеокарту и надеешься, что VRAM не закончится на полпути. Однако со временем оригинальный репозиторий стал тяжеловат на подъем, а новые архитектуры моделей стали требовать всё больше ресурсов.
Влад Мандич в конце 2022 года форкнул кодовую базу Automatic1111 и создал SD.Next. Проект начинался как попытка привести в порядок исходный код и выжать максимум производительности из железки, а вырос в самостоятельную платформу для генерации изображений и видео.
В чём разница с исходным WebUI?
Если коротко, SD.Next — это глубокая переработка под капотом при сохранении привычного веб-интерфейса. Оригинальный WebUI сильно завязан на карты Nvidia и библиотеки CUDA. Если у вас видеокарта AMD, Intel Arc или ноутбук с чипом Apple M-серии, поднять классический WebUI превращалось в квест с компиляцией библиотек и поиском нужных ключей запуска.
В SD.Next с самого начала заложили кроссплатформенность. При первой установке скрипт сам определяет оборудование и собирает подходящую конфигурацию.
Что интересного внутри
Запуск крупных моделей на скромном железе
Главная проблема современных диффузионных сетей — аппетит к видеопамяти. Карта с 8 ГБ VRAM быстро захлебывается, когда пытаешься запустить свежую модель с высоким разрешением.
В SD.Next добавили два механизма:
- Квантование движком SDNQ. Модель сжимается на лету или использует готовые квантованные веса. Это дает уменьшение потребления памяти до 4 раз с минимальным влиянием на детализацию.
- Balanced Offload. Системный механизм распределяет слои модели между видеопамятью и оперативной памятью процессора. Если гигабайт на GPU не хватает, часть вычислений уходит на CPU, чтобы избежать ошибки Out of Memory.
Поддержка любого железа
Разработчики поддерживают длинный список аппаратных ускорителей:
- Nvidia через CUDA
- AMD на Linux и Windows через ROCm или ZLUDA
- Intel Arc с использованием OneAPI и IPEX
- Любые видеокарты и процессоры через OpenVINO
- DirectML для видеокарт с поддержкой DirectX на Windows
- Чипы Apple M1/M2/M3 с подсистемой Torch MPS
Если хочется изолировать окружение, у проекта есть официальные Docker-образы под CUDA, ROCm, OpenVINO и Intel IPEX.
Автоматическая разметка и языковые модели
Обычно для подготовки описаний к изображениям приходится ставить сторонние расширения или отдельные утилиты. В SD.Next встроен модуль авторазметки картинок. Он использует более 25 моделей, среди которых VLM/LLM-сеточки, OpenCLIP и таггеры вроде WaifuDiffusion и DeepDanbooru. Это ускоряет подготовку датасетов для обучения собственного LoRA-адаптера.
Как запустить
Установка сведена к трем командам в терминале:
git clone https://github.com/vladmandic/sdnext
cd sdnext
# Для Linux или macOS:
./webui.sh
# Для Windows:
webui.bat
При первом старте скрипт выкачает зависимости, определит GPU и подберет ключи оптимизации. Интерфейс адаптирован под мобильные экраны, поэтому управлять процессом генерации можно прямо с телефона в локальной сети.
Кому стоит попробовать
SD.Next точно пригодится в нескольких случаях:
- У вас видеокарта AMD, Intel Arc или Mac, и вы устали от танцев с бубном вокруг стандартного WebUI.
- На видеокарте мало VRAM, а покрутить тяжелые модели хочется без вылетов по памяти.
- Вы собираете датасеты и вам нужны встроенные инструменты для разметки и тегирования.
Если вам привычен ComfyUI с нодами, переходить на интерфейс табличного типа смысла мало. Но как законченное решение для быстрой работы с изображениями и видео SD.Next закрывает большинство повседневных задач.
