Stable Diffusion ローカル導入ガイド【2026年版】

3行まとめ

1. VRAM 6GB以上のGPUがあればStable Diffusionをローカルで無料運用できる
2. UIはComfyUI（柔軟なノード型）とA1111/Forge（初心者向けWeb型）の2系統
3. モデルはSDXLが実用の主流、SD 3.5は高品質だがエコシステムが発展途上

【更新：2026年9月24日】 「インストール手順（ComfyUIの場合）」にあったPython推奨バージョンの誤りを修正した。ComfyUI公式ドキュメントは現在Python 3.13を推奨している。本記事が案内していた3.10.6は、AUTOMATIC1111の公式READMEがWindows向け手順で指定しているバージョンで、ComfyUIの推奨ではなかった。詳しくは末尾の訂正履歴を参照。

Stable Diffusionをローカルで動かすメリット

Stable Diffusionはオープンソースの画像生成AIで、自分のPCにインストールすれば月額料金なし・生成枚数の上限なしで使える。MidjourneyやDALL-Eのようなクラウドサービスと違い、生成した画像のデータが外部サーバーに送られることもない。

ローカル運用の最大の利点は自由度にある。好きなモデル（チェックポイント）を入れ替えられるし、LoRAと呼ばれる追加学習データで画風や被写体を細かく制御できる。商用利用の制限もモデルのライセンス次第で柔軟に対応できる。

一方、セットアップにはある程度の技術的なハードルがある。この記事では2026年6月時点の情報をもとに、必要なスペックからUI選び、モデル選択までを整理する。

必要なPCスペック

Stable Diffusionを快適に動かすには、**NVIDIA製GPU（GeForce RTXシリーズ）**がほぼ必須になる（The Right GPT、ToolHallaの各ガイドによる）。

VRAM 4GBのGPU（GTX 1650、RTX 3050など）でもSD 1.5モデルなら --medvram フラグで動作するが、SDXLやSD 3.5は厳しい。VRAM 6GBあればSDXLが動作し、12GB以上あればSD 3.5 Largeも扱える。

Pythonのバージョンは使うUIによって違う（2026年9月24日確認）: AUTOMATIC1111は公式READMEのWindows向け自動インストール手順で、今も「Install Python 3.10.6 (Newer version of Python does not support torch)」（新しいPythonはtorchに対応しない、の意）と3.10.6を指定している（Linux向けには、システムが新しい場合にpython3.11かpython3.10を入れるよう案内）。ForgeはREADMEでGitとPythonを同梱したワンクリックパッケージを勧めており、手動で入れる場合はA1111と同じ方法としている。一方ComfyUIは公式ドキュメントが「Python 3.13はよくサポートされており推奨、3.13で一部カスタムノードの依存関係に問題が出る場合は3.12、3.14も動くが一部カスタムノードで問題が出うる」としており、3.10.6への言及はない。UIを先に決めてからPython環境を作るほうが手戻りがない。

Macユーザーへの補足: Apple Silicon（M1以降）でも動作するが、NVIDIA CUDAが使えないため速度面で不利になる。ComfyUIはMac対応が進んでおり、M2 Pro以上であれば実用的な速度で生成できるとの報告がある。単体グラボを持たない機種でどこまで動くかは、MacBook Air（Apple M2・メモリ8GB）での実機検証記事「ローカルAIの画像生成は単体グラボなしでも動くのか」で扱った。その検証で止まった原因はGPUの有無ではなく、SDXL-turboの重み一式（実測約6.46GB）に対してディスクの空き（6.1〜6.6GB）が足りなかったことと、代替モデルの取得に認証が必要だったことだった。Mac/Windowsどちらの機種で組むか自体で迷っている場合は「ローカルAI用のマシンはMacとWindows、どちらで組むべきか」も参考になる。

UIの選択：ComfyUI vs AUTOMATIC1111 vs Forge

ローカルでStable Diffusionを使うには、操作用のUIが必要になる。2026年時点の主な選択肢は3つある。

ComfyUI（ノードベース）

ノードと呼ばれるブロックをつないでワークフローを組む方式。見た目はBlenderやUnrealのビジュアルスクリプティングに近い。

• 強み: 処理の流れを細かく制御できる、ワークフローを共有・再利用しやすい
• 弱み: 初見では何をしていいかわかりにくい、学習コストが高い
• 向いている人: 画像生成のパイプラインを自分で設計したい中級者〜上級者

AUTOMATIC1111（A1111）

Webブラウザで開くフォーム型のUI。プロンプトを入力してボタンを押すだけで画像が出る。

• 強み: 直感的で始めやすい、拡張機能（Extensions）が豊富
• 弱み: 開発ペースが落ちている（公式リポジトリの最後のコミットは開発ブランチ（dev）で2026年3月2日、正式版のmasterブランチは2024年7月27日。2026年9月24日にGitHubで確認）、最新モデルへの対応が遅れることがある
• 向いている人: まず画像を生成してみたい初心者

自分のGPUを使わずにA1111に近い機能を使いたい場合、Hugging Faceが2026年9月10日に公開した「Workflow1111」（A1111の機能の大半をGradioのノードグラフで作り直したもの）という選択肢も出てきた。モデル呼び出しをInference ProvidersやSpacesといった外部に任せる仕組みで、この記事とは前提（ローカルにGPUを用意する）が異なる点に注意。

Stable Diffusion WebUI Forge

A1111をベースに、速度と安定性を改善したフォーク版。UIの見た目はA1111とほぼ同じだが、VRAM使用量の最適化が進んでいる。

• 強み: A1111の拡張機能がそのまま使える、低VRAMでも安定
• 向いている人: A1111の操作感が好きだが性能を上げたい人

2026年時点では、新規ユーザーにはForge、ワークフローを自分で設計したい人にはComfyUIが多くのガイドで推奨されている（The Right GPT、AIToolDiscoveryによる）。

インストール手順（ComfyUIの場合）

ComfyUIを例に、基本的な導入手順を示す。

1. Pythonのインストール: Python 3.13を推奨（ComfyUI公式ドキュメントによる。2026年9月24日時点）。3.13で一部カスタムノードの依存関係に問題が出る場合は3.12がフォールバックとされている。3.14も動作するが、一部のカスタムノードで問題が出ることがある
2. ComfyUIのダウンロード: GitHubリポジトリをクローンまたはZIPでダウンロード
3. 依存パッケージのインストール: PyTorch（CUDA対応版）と必要ライブラリをpipでインストール
4. モデルの配置: Civitai等からチェックポイントファイルをダウンロードし、comfyUI/models/checkpoints/ に配置
5. 起動: python main.py でサーバーが立ち上がり、ブラウザでアクセスできる

Python環境のバージョン不一致がインストール失敗の最多原因とされている（複数のガイドが共通して指摘）。仮想環境（venvやconda）を使い、システム全体のPythonとは分離することを勧める。なお上記はComfyUIの場合の推奨。AUTOMATIC1111をWindowsで自動インストールする場合は、公式READMEがPython 3.10.6を指定している（Forgeはワンクリックパッケージを使えばPythonが同梱されている。前節「必要なPCスペック」参照）。ノードがエラーで止まる・生成が途中で失敗する場合の切り分け手順は「ComfyUIで生成が止まる・エラーが出る時の切り分け手順」にまとめてある。

モデルの選び方：SDXL vs SD 3.5

Stable Diffusionには複数世代のモデルがある。2026年6月時点の主な選択肢を整理する（Cubix、dev.toレビュー記事による）。

SDXL（3.5Bパラメータ）

• コミュニティで最も広く使われているモデル
• カスタムLoRA、ファインチューンモデルの数が多い
• 実写風・アニメ風・イラスト風など用途別の派生モデルが豊富
• VRAM 6GB以上で動作

SD 3.5 Large（8Bパラメータ）

• Stability AIが2024年にリリースした最新世代
• テキスト描画の精度が大幅に向上（看板・ロゴなど）
• プロンプトの忠実度が高い（複雑な指示を正確に反映）
• VRAM 12GB以上を推奨、コミュニティモデルはまだ少ない

どちらを選ぶか

実用で今すぐ使うならSDXL。モデルの選択肢が桁違いに多く、困ったときに検索で情報が見つかりやすい。画質の上限を追求するならSD 3.5だが、ファインチューンのエコシステムは2026年中盤から本格化すると複数の情報源が予測している。

両方を同じUIで切り替えて使えるので、ストレージに余裕があれば併用するのが現実的な選択肢になる。

関連ツール・サービスとの比較

ローカル導入が面倒、またはGPUがない場合はクラウドサービスも選択肢に入る。

• Midjourney: Discord上で動作、月額$10〜。画質は高いが細かい制御が難しい → 関連記事: Midjourney 使い方・料金ガイド【2026年版】
• DALL-E（ChatGPT経由）: ChatGPT Plus/Proで利用可能。手軽だが生成枚数に制限あり → 関連記事: ChatGPT有料版 Plus/Pro 料金比較【2026年版】
• ローカルLLM: 画像生成ではなくテキスト生成をローカルで動かしたい場合はこちら → 関連記事: ローカルLLM入門ガイド

セットアップの手間と向いている人

Stable Diffusionのローカル導入は「無料で高品質な画像生成ができる」という点では間違いないが、セットアップと学習のコストは低くない。Pythonの環境構築、CUDA周りのトラブル、モデルごとの最適設定など、初回は数時間かかることを覚悟したほうがいい。

MidjourneyやDALL-Eで月額を払ったほうが時間対効果は高い場面も多い。「ローカルでないとできないこと」（特定LoRAの利用、大量一括生成、完全オフライン運用など）が明確にある人が導入すべきツールだと考える。

スペック要件の出典間の差について

• 記事中のスペック要件は、The Right GPT・ToolHalla・AIToolDiscoveryの2026年版ガイドを参照した（出典間でRAM・ストレージの最低ラインの数字に幅があり、本記事は最も厳しい側の数字を採用した）。ただしPythonのバージョンは、これらのガイドの間でも記述が割れていた（The Right GPTはA1111とComfyUIを一括りに3.10.6、AIToolDiscoveryは3.10または3.11、ToolHallaはForgeの手順で3.10.x）。そのため2026年9月24日にComfyUI公式ドキュメントとAUTOMATIC1111・Forgeの公式リポジトリを開いて確認し直した（詳細は末尾の訂正履歴）
• モデル比較はCubix・dev.toの記事に基づく。Stability AI公式サイトの画像モデルのページ（2026年9月24日確認）でも、Stable Diffusion 3.5が「Our most powerful image model yet」（これまでで最も強力な画像モデル）として、SDXLが追加の画像モデルとして引き続き案内されており、同サイトのニュース一覧でもこれを上回る新世代の画像モデルの発表は確認できなかった
• 各ツールのUIや機能は開発が活発なため、数ヶ月で変わる可能性がある。実際、AUTOMATIC1111公式リポジトリの最後のコミットは開発ブランチで2026年3月2日（2026年9月24日にGitHubで確認）で、ComfyUI（2026年9月24日にも更新あり）と比べて開発ペースの差が数字でも確認できた
• 2026年6月時点の情報であり、新モデルのリリースで推奨構成が変わりうる。導入前にComfyUI・A1111・Forgeそれぞれの公式GitHubリポジトリと、使いたいモデルのHugging Faceページで、対応バージョンや必要スペックの最新情報を確かめてほしい