Giriş — Stable Diffusion nedir ve neden yerelde çalıştırılır?

Stable Diffusion, metin tabanlı komutlardan görsel üreten açık kaynaklı bir model ailesidir. Yerel olarak çalıştırmak; özel modeller ve eklentiler eklemeye, verinin gizliliğini korumaya ve internet bağlantısına bağımlılığı azaltmaya imkan verir. Genel tanım ve temel bilgiler için bakınız: Stable Diffusion Kurulumu ve Kullanımı — Can GEDİK.

Hızlı hazırlık ve gereksinimler

Yerel kullanım için gerekenler ve ön kontroller:

• NVIDIA GPU (çoğu rehbere göre en az 8 GB VRAM önerilir; daha büyük modeller ve yüksek çözünürlükler daha çok VRAM ister): Hazır Promptlar rehberi.
• Güncel NVIDIA sürücüleri ve uygun CUDA/cuDNN bileşenleri (Windows/Linux). GPU yoksa CPU ile çok yavaş çalışır; bazı bulut seçenekleri daha pratiktir.
• Git, Python ve yeterli disk alanı (model dosyaları birkaç GB olabilir).
• Tercih edilen web arayüzü: Automatic1111 (web UI) veya ComfyUI (node tabanlı akışlar) — farklı kullanıcı profilleri için uygun arayüzler vardır. Kurulum rehberleri kurulum detayları sunar: Can GEDİK.

Yerel Kurulum: Adım adım (genel akış)

Aşağıdaki adımlar, Automatic1111 web UI için yaygın kurulum akışını özetler. İşlem sırasında kullanılan komut ve sürümler zamanla değişebilir; güncel komutlar için kaynak rehberleri kontrol edin.

1. Sürücüler ve sistem kontrolü:

   İlk olarak NVIDIA sürücülerinizin güncel olduğundan emin olun. GPU görünürlüğünü doğrulamak sisteminize göre değişir; Windows/Linux konsol kontrolleriyle GPU listelenip listelenmediğini kontrol edin.

2. Gerekli yazılımları yükleyin:

   Git ve Python kurun. Web arayüzlerinin çoğu Python tabanlıdır; Python paketlerini kurmak için pip kullanılır. Kaynak rehberlerde önerilen Python sürümü ve paket listesi yer alır — örnek adımlar için Can GEDİK'in rehberine bakın.

3. Web UI deposunu klonlayın:

   Çoğu kullanıcı Automatic1111 gibi popüler bir web arayüzünü klonlayıp çalıştırır. Örnek akış: depo klonlama, gereksinimleri kurma ve çalıştırma (kaynak rehberlerde güncel komutlar bulunur). Model dosyalarını indirmek için Civitai gibi siteler kullanılır — Civitai'dan model/LoRA indirme adımları için bkz: Komut.io.

4. Model dosyasını yerleştirin:

   İndirdiğiniz .ckpt veya .safetensors dosyasını web UI'ın beklediği modele klasörüne (örneğin models/Stable-diffusion) koyun. Web UI'ı yeniden başlatınca model listede görünmelidir.

5. Eklentiler ve uzantılar:

   LoRA, ControlNet ve upscaler eklentileri çoğu web UI için desteklenir. Uzantı yükleme yöntemleri arayüze göre değişir; Komut.io rehberi LoRA indirme ve yerleştirme adımlarını açıklar.

LoRA ve ControlNet: Ne işe yarar, nasıl eklenir?

LoRA (Low-Rank Adaptation) küçük, hızlı yüklenen ağırlık ekler; belirli bir stil veya konuya uygulamak için uygundur. ControlNet ise çizim, poz veya yapı gibi yönlendirme bilgisi ekleyerek model çıktısının kompozisyonunu ve konturunu sıkılaştırır. Her iki yaklaşım da modeli tamamen yeniden eğitmeden istenen sonuçlara daha kolay ulaşmanızı sağlar. Kurulum/indirme adımları ve dosya yerleşimi için örnek rehber: Komut.io.

Görsel kaliteyi artırma teknikleri

Aşağıdaki yöntemler, çıktının keskinliğini, detayını ve genel estetiğini yükseltmek için sık kullanılır:

1) Prompt mühendisliği

Net ve katmanlı bir prompt yazın: ana konu, stil/araç/ışıklandırma, lens/kompozisyon ve ek nitelikler. Negatif prompt ile istemediğiniz öğeleri belirtin (ör. watermark, lowres, deformed). Hazır Promptlar rehberi prompt yapılandırma örnekleri ve ipuçları sağlar: Hazır Promptlar.

Örnek (örnek amaçlı): "detaylı portre, sinematik ışık, photorealistic, shallow depth of field"; negatif: "lowres, watermark, bad anatomy".

2) Sampler, adım sayısı ve denoise

Sampler tipi ve adım sayısı kaliteyi etkiler. Genellikle daha yüksek adım sayısı ve uygun sampler seçimi daha belirgin detay verir; ama aşırı sayıda adım artan gürültü ve uzun üretim süresi getirebilir. Deneyerek uygun aralığı bulun—rehberlerde pratik örnekler mevcuttur (bkz. Hazır Promptlar).

3) Yükseltme (Upscaling) ve yüz iyileştirme

Oluşturduğunuz görselleri Real-ESRGAN veya web UI içindeki Latent upscaler ile büyüterek detayları koruyabilirsiniz. Yüz restorasyonu için GFPGAN veya CodeFormer kullanımı yaygındır; bu araçlar özellikle portrelerde hataları düzeltir. Daha fazla teknik detay ve araç karşılaştırması için bkz: Stable Diffusion Yükseltici — Feature.

4) High-res (iki aşamalı üretim) ve Highres-fix

Çok yüksek çözünürlük gerektiren işler için iki aşamalı yöntem kullanın: önce orta çözünürlükte detaylı bir çıktı alın, sonra bu çıktıyı upscaler ile büyütün ve gerekirse ince rötuş yapın. Automatic1111 gibi arayüzlerde "highres fix" benzeri araçlar iki aşamalı iş akışını kolaylaştırır.

İleri seviye—Fine-tuning, LoRA eğitim ve model optimizasyonu

Modeli tamamen yeniden eğitmek maliyetli ve zaman alıcıdır; bunun yerine LoRA veya transfer-learning (ör. DreamBooth) yöntemleri tercih edilir. LoRA, küçük veri/örneklerle belirli bir stile veya porta özel adaptasyon sağlar. ControlNet ile çizim tabanlı rehberlik kombine edilerek hem stil hem kompozisyon kontrolü elde edilebilir. Bu yaklaşımlar için kaynak ve indirme adımları: Komut.io.

Bellek ve hız optimizasyonu için ipuçları:

• Yarı hassasiyet (fp16) desteği ve xformers gibi eklentiler VRAM kullanımını azaltabilir.
• Batch size'ı 1 yapın, çözünürlüğü düşürün veya parçalı üretim (tile/patch) kullanın.
• Gerekirse bulut GPU'ları tercih ederek daha yüksek VRAM olan makinelerden yararlanın.

Sorun giderme

• Out of Memory (OOM): Çözünürlüğü azaltın, batch boyutunu 1 yapın veya bellek optimizasyonlarını etkinleştirin.
• Model görünmüyor: İndirdiğiniz dosyanın doğru formatta (.ckpt veya .safetensors) ve doğru klasörde olduğundan emin olun; UI'ı yeniden başlatın.
• Kötü yüz/bozulma: Face-restoration eklentilerini kullanın ya da prompt ve denoise ayarlarıyla oynayın.

Etik ve lisans uyarıları

Modellerin eğitildiği veriler telif hakkı içerebilir; ticari kullanım veya tanınabilir kişilerin görüntülerinin üretimi konusunda lisans ve yasal sınırlamalara dikkat edin. İndirdiğiniz model ve LoRA dosyalarının lisans koşullarını kontrol edin.

Hızlı kontrol listesi (cheat-sheet)

• GPU: mümkünse ≥8 GB VRAM; sürücüler güncel olsun. (bkz: Hazır Promptlar).
• Web UI seçin: Automatic1111 başlangıç için yaygın tercih. Kurulum rehberleri: Can GEDİK.
• Model/LoRA/ControlNet dosyalarını doğru klasörlere koyun; kaynaklar için: Komut.io.
• Kalite artırma: iyi prompt + uygun sampler/steps + upscaler + face restore zinciri.

Bu rehber güncel kurulum komutları veya UI versiyonları hakkında kapsamlı bir liste yerine pratik adımlar ve tercihler sunar; kurulum sırasında değişiklik olabileceği için kaynak rehberlere bakmayı ihmal etmeyin.