SD.Next — Eine Alternative zu Automatic1111 für alle, die mehr als die Standard-WebUI brauchen

Erinnern Sie sich noch, wie vor ein paar Jahren lokale Bildgenerierung gleichbedeutend war mit der Stable Diffusion WebUI von Automatic1111? Man öffnete die Konsole, wartete auf PyTorch, passte die Einstellungen für die GPU an und hoffte, dass der VRAM nicht mitten in der Generierung ausgehen würde. Im Laufe der Zeit wurde das ursprüngliche Repository jedoch zunehmend schwieriger zu pflegen, und neue Modellarchitekturen begannen, immer mehr Ressourcen zu erfordern.

Vlad Mandic forked Automatic1111's codebase at the end of 2022 and created SD.Next. The project started as an attempt to clean up the source code and extract maximum performance from the hardware, but evolved into a standalone platform for image and video generation.

Was ist der Unterschied zur ursprünglichen WebUI?

Kurz gesagt: SD.Next ist eine tiefgreifende Überarbeitung unter der Haube, bei der die vertraute Weboberfläche erhalten bleibt. Die ursprüngliche WebUI ist stark an Nvidia-GPUs und CUDA-Bibliotheken gebunden. Wenn Sie eine AMD-, Intel-Arc- oder einen Laptop mit einem Apple M-Serie-Chip haben, wurde das Ausführen der klassischen WebUI zu einer Odyssee mit Bibliothekskompilierung und der Suche nach den richtigen Startargumenten.

SD.Next wurde von Grund auf mit plattformübergreifender Unterstützung entwickelt. Während der ersten Installation erkennt das Skript automatisch Ihre Hardware und assembliert eine passende Konfiguration.

Was steckt unter der Haube?

Große Modelle auf bescheidener Hardware ausführen

Das Hauptproblem moderner Diffusionsnetzwerke ist ihr Appetit auf Videospeicher. Eine Karte mit 8 GB VRAM stößt schnell an ihre Grenzen, wenn man versucht, ein frisches Modell in hoher Auflösung auszuführen.

SD.Next hat zwei Mechanismen hinzugefügt:

1. Quantisierung über die SDNQ-Engine. Das Modell wird im laufenden Betrieb komprimiert oder verwendet vorgefertigte quantisierte Gewichte. Dies reduziert den Speicherverbrauch um bis zu 4x mit minimalem Einfluss auf die Detailqualität.
2. Balanced Offload. Ein Systemmechanismus, der Modell-Layer zwischen Videospeicher und System-RAM verteilt. Wenn die GPU-Gigabytes nicht ausreichen, werden einige Berechnungen auf die CPU verlagert, um einen Out-of-Memory-Fehler zu vermeiden.

Unterstützung für jede Hardware

Die Entwickler pflegen eine umfangreiche Liste von Hardware-Beschleunigern:

• Nvidia über CUDA
• AMD unter Linux und Windows über ROCm oder ZLUDA
• Intel Arc mit OneAPI und IPEX
• Beliebige GPUs und CPUs über OpenVINO
• DirectML für Grafikkarten mit DirectX-Unterstützung unter Windows
• Apple M1/M2/M3-Chips mit Torch MPS-Backend

Wenn Sie die Umgebung isolieren möchten, bietet das Projekt offizielle Docker-Images für CUDA, ROCm, OpenVINO und Intel IPEX.

Automatische Beschriftung und Sprachmodelle

Normalerweise müssen Sie für die Vorbereitung von Bildbeschreibungen Erweiterungen oder separate Tools installieren. SD.Next verfügt über ein integriertes Modul zur automatischen Beschriftung von Bildern. Es nutzt über 25 Modelle, darunter VLM/LLM-Netzwerke, OpenCLIP und Tagger wie WaifuDiffusion und DeepDanbooru. Dies beschleunigt die Datensatzvorbereitung für das Training Ihres eigenen LoRA-Adapters.

Wie Sie loslegen

Die Installation beschränkt sich auf drei Befehle im Terminal:

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

# Для Linux или macOS:
./webui.sh

# Для Windows:
webui.bat

Beim ersten Start werden Abhängigkeiten heruntergeladen, die GPU erkannt und Optimierungsflags ausgewählt. Die Oberfläche ist für mobile Bildschirme angepasst, sodass Sie den Generierungsprozess direkt vom Telefon aus im lokalen Netzwerk steuern können.

Für wen es sich lohnt

SD.Next ist in mehreren Fällen definitiv nützlich:

• Sie haben eine AMD-, Intel-Arc- oder Mac-GPU und haben die Nase voll davon, mit der Standard-WebUI durch Hölle und Wasser zu gehen.
• Ihre GPU hat begrenzten VRAM, aber Sie möchten mit schweren Modellen experimentieren, ohne Speicherabstürze.
• Sie erstellen Datensätze und benötigen integrierte Tools zur Beschriftung und Tagging.

Wenn Sie ComfyUI mit seinem node-basierten Workflow gewohnt sind, gibt es wenig Grund, auf eine tabellenbasierte Oberfläche umzusteigen. Aber als Komplettlösung für schnelle Bild- und Videoverarbeitung deckt SD.Next die meisten alltäglichen Aufgaben ab.