Stable Diffusion WebUI Forge 分享

介紹

Forge 版本是基於 AUTOMATIC1111 的加強版，重點在「更快、更穩、更好用」。

  • 效能：整合 xFormers、Flash Attention，VRAM 利用率更佳，批次出圖速度提升。
  • 穩定：修正原版常見的崩潰與記憶體洩漏問題，支援長時間跑批。
  • 好用：內建 ControlNet、區域提示 (Regional Prompter) 等常用插件，UI 保持一致。
  • 跨平台：Windows / Linux / macOS (含 Apple Silicon Metal) 均可使用。

什麼是 AUTOMATIC1111

  • 最受歡迎的 Stable Diffusion 圖形化前端，提供 txt2img、img2img、ControlNet、插件與主題等完整生態。
  • 特色在「易用 + 高擴充性」：clone 後執行 webui.sh 就能開跑，並可在 Extensions 市集安裝上百種社群插件。
  • Forge 在此基礎上改進效能與穩定性，並內建常用優化，讓新手少踩雷、老手更高效。

安裝（使用 uv 管理 Python）

前置需求：Git、可用的 GPU 驅動 (NVIDIA CUDA 12.x 或 Apple Metal)；其餘由 uv 處理。

1. 取得程式碼

git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git
cd stable-diffusion-webui-forge

2. 建立隔離環境並指定 Python 版本 (建議 3.11)

curl -LsSf https://astral.sh/uv/install.sh | sh
uv venv --python 3.11 --seed .venv
source .venv/bin/activate

3. MacOS 沒有 CUDA，修改 webui-user.sh 啟動參數

export COMMANDLINE_ARGS="\
--skip-torch-cuda-test \
--opt-sdp-attention
"

4. 安裝與啟動

./webui.sh

5. 常見排錯

  • CLIP 無法透過 pip 下載時：改手動安裝。步驟：
    1) 用瀏覽器下載 `https://github.com/openai/CLIP/archive/d50d76daa670286dd6cacf3bcd80b5e4823fc8e1.zip` 並解壓。
    2) 在解壓後的資料夾裡找到名稱為 clip 的 folder，複製到 `.venv/lib/python3.11/site-packages` 裡。
    3) 確認 `site-packages/clip/__init__.py` 存在後再執行 `./webui.sh`，安裝流程會直接使用本地版本。
  • ValueError: numpy.dtype size changed...：Torch 與 NumPy 版本不匹配。
    1) 確認已啟用 `.venv`。
    2) 重新安裝 NumPy：`uv pip install --force-reinstall "numpy==1.26.4"`（PyTorch 2.1/2.2 常用）；若仍出錯，改裝 `numpy==2.0.1` 配合較新版 Torch。
    3) 若 NumPy 調整後 Torch 壞掉，重裝：`uv pip install --force-reinstall torch torchvision`。
  • 生成黑圖：
    - 多半是 VAE 損壞或沒載入，改選內建 `vae-ft-mse-840000-ema-pruned.ckpt` 或重新下載模型/VAE。
    - Apple M-series 若出現黑圖，啟動加入 `--no-half` 或在設定關閉「Upcast cross attention」。
    - 低步數 + 高 CFG 也可能導致飽和，嘗試步數 20、CFG 6–8，改用 Euler a / DPM++ SDE。

什麼是 VAE？

VAE（Variational Autoencoder）負責把潛空間特徵還原成可見影像，決定色彩、對比與細節風格。更換 VAE 可微調畫面質感，例如偏寫實或動漫。若 VAE 缺失或損壞，可能出現黑圖或嚴重偏色。

在 SD 推理時，UNet 先生成潛空間特徵，VAE 解碼器再把潛特徵轉回 RGB；因此 VAE 的品質直接影響最終色彩/細節。

什麼是 ControlNet？

ControlNet 是給 Stable Diffusion 加「條件控制」的模組，讓生成結果服從外部引導（姿態、邊緣、深度、法線、分割等）。

  • 原理：在 UNet 旁增加可學習的分支接收控制圖，與主網路特徵相疊，既保留生成能力又跟隨控制訊號。
  • 用途：固定構圖或姿態、把草圖/線稿轉高質感圖、依深度/分割精準上色。
  • 常見模型：Canny、OpenPose、Depth、Lineart、Seg、IP Adapter (ADE20K/COCO)。

模型下載

使用方法

文生圖 (txt2img)：

  • 選模型 → 輸入 Prompt / Negative Prompt → 設步數 & CFG → Generate。

圖生圖 (img2img)：

  • 上傳參考圖 → 設降噪強度 (0.3–0.6 保持構圖) → 出圖。
  • 性能優化：
  • Resolution 過大可用 --medvram 或 --lowvram，必要時關閉多餘插件。
  • 批次任務：Batch/Script 面板可一次跑多 Prompt，適合找風格或量產。
  • ControlNet / 區域提示：在面板下方開啟，指定骨架/草圖/深度，或用區域遮罩精準控構圖。

圖生圖-改圖 (img2img-inpaint)：

  • Inpaint 針對特定畫布區塊進行局部重繪，根據重繪結果與原圖的差異，調整對應的重繪強度

結束

Forge 讓 WebUI 更快、更穩且開箱即用的插件更齊全，適合日常創作與批次產出。 想試玩的話，只需 clone、跑一次 webui.sh，就能開始玩摟。感謝觀看！

最近更新:
Contributors: JohnnyWang