Stable Diffusion WebUI: cài Automatic1111 hay Forge

Stable Diffusion WebUI, thường gọi là Automatic1111 hay A1111, là giao diện web để tạo ảnh bằng model Stable Diffusion ngay trên máy của bạn: gõ prompt, chỉnh vài thông số rồi bấm Generate. Forge là một bản fork của A1111, giữ nguyên giao diện nhưng chạy nhanh hơn, và theo nhóm phát triển thì quản lý VRAM tốt hơn.

Tháng 10/2026, chọn cài bản nào không còn đơn giản như hai năm trước. Mình cài cả hai trên máy RTX 3090 chạy Ubuntu 24.04 ngày 10/10/2026, thấy mấy điều sau:

• A1111 gần như đứng yên. Nhánh master dừng ở commit ngày 27/07/2024. Cài theo README sẽ lỗi, phải chuyển sang nhánh dev (cập nhật cuối 02/03/2026) mới chạy được.

• Forge nhanh hơn rõ. SDXL 1024×1024 mất 6,94 giây/ảnh so với 9,34 giây của A1111, tức nhanh hơn 26%. Nhưng Forge cũng không có commit mới nào từ 26/06/2025.

• Cả hai đều cần Python 3.10 hoặc 3.11. Python mặc định của máy mới bây giờ là 3.12 hoặc 3.13, không cài được torch mà A1111 yêu cầu.

• Cài cả hai bản, mình gặp tổng cộng 4 lỗi (A1111 ba lỗi, Forge thêm một lỗi riêng). Lỗi nào cũng có cách sửa, ghi ở cuối bài.

Bạn mới bắt đầu và không bị ràng buộc bởi extension hay workflow cũ thì nên xem ComfyUI trước: vẫn đang được cập nhật, chạy được các model mới, tốc độ SDXL gần bằng Forge.

A1111 và Forge khác nhau thế nào?#

Chính README của Forge viết rằng bản WebUI gốc "almost static now" (gần như không đổi nữa). Forge thêm hỗ trợ Flux và gói sẵn ControlNet, nên ai đã quen giao diện A1111 có thể chuyển sang Forge mà không phải học lại từ đầu.

Tốc độ tạo ảnh: A1111, Forge hay ComfyUI?#

Mình gọi API của từng giao diện với cùng prompt, cùng seed 42, mỗi cấu hình chạy 4 lần. SDXL dùng đúng tham số của bài ComfyUI trước đó (25 bước, DPM++ 2M Karras, cfg 7) để so được:

Forge nạp model kiểu "lười": chọn checkpoint xong chưa nạp ngay, đợi tới lần Generate đầu tiên mới nạp, nên lần đầu mất 32 giây. A1111 nạp ngay lúc đổi checkpoint (24,5 giây), sau đó lần đầu chỉ chậm hơn chút. Tính tổng thì hai bên gần như nhau. Số ComfyUI (7,6 giây) mình đo ngày 08/10/2026 trên một máy RTX 3090 khác cùng gói thuê.

Cài A1111 trên Ubuntu 24.04#

Đây là chuỗi lệnh mình chạy được sau khi đã sửa hết lỗi. Phần giải thích từng lỗi ở mục cuối bài.

Bước 1. Cài gói hệ thống và Python 3.11. Ubuntu 24.04 không có sẵn bản này nên phải lấy từ PPA deadsnakes, đúng như README của A1111 hướng dẫn:

sudo apt update
sudo apt install -y wget git python3 python3-venv libgl1 libglib2.0-0
sudo add-apt-repository -y ppa:deadsnakes/ppa
sudo apt install -y python3.11 python3.11-venv

Bước 2. Tạo user thường, vì script không chịu chạy dưới root. Sau đó tải code và chuyển sang nhánh dev:

sudo useradd -m -s /bin/bash sd && sudo su - sd
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git a1111
cd a1111 && git checkout dev

Bước 3. Chạy với Python 3.11. Thêm --listen nếu máy ở xa, thêm --api nếu muốn gọi bằng code:

python_cmd=python3.11 ./webui.sh --listen --port 7860

Lần đầu mất 179 giây: 103 giây cài thư viện, 68 giây tự tải model SD 1.5 (4,27GB). Từ lần thứ hai chỉ còn 10,3 giây. Sau đó mở trình duyệt vào http://<IP>:7860.

Muốn dùng SDXL thì tải sd_xl_base_1.0.safetensors (6,94GB) từ trang Hugging Face của Stability AI, bỏ vào models/Stable-diffusion/ rồi bấm nút làm mới cạnh ô checkpoint. Trên máy thuê, mình tải hết 75 giây.

Chọn SDXL mà ảnh xấu: kiểm tra kích thước#

Giao diện mặc định để ảnh 512×512, hợp với SD 1.5. Mình chọn SDXL mà quên đổi kích thước, ra một tấm ảnh kiểu hoạt hình, có cả khung viền, khác hẳn prompt "photo":

Đổi Width và Height sang 1024 rồi bấm lại, cùng prompt đó ra ảnh đúng kiểu chụp thật:

SDXL được huấn luyện ở 1024×1024, còn SD 1.5 ở 512×512, nên mỗi model hợp với kích thước của nó. Bên dưới là cùng một prompt: SD 1.5 ở 512 (trái) và SDXL ở 1024 (phải):

Cài Forge trên Ubuntu 24.04#

Các bước giống A1111 (Python 3.11, user thường), chỉ khác repo. Forge không có nhánh nào sửa lỗi pkg_resources, nên mình phải tự sửa trong môi trường ảo (venv) trước khi chạy lại:

git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git forge
cd forge
python_cmd=python3.11 ./webui.sh          # lần đầu sẽ lỗi khi build CLIP
venv/bin/pip install setuptools==69.5.1 wheel
venv/bin/pip install --no-build-isolation \
  https://github.com/openai/CLIP/archive/d50d76daa670286dd6cacf3bcd80b5e4823fc8e1.zip
venv/bin/pip install numpy==1.26.2
python_cmd=python3.11 ./webui.sh --listen --port 7861

Có sẵn model của A1111 rồi thì thêm --ckpt-dir /đường/dẫn/a1111/models/Stable-diffusion để khỏi tải lại. Khởi động xong, Forge chạy ổn, mất 19,7 giây. Log còn báo No module named 'joblib' ở extension soft-inpainting nhưng không ảnh hưởng tới việc tạo ảnh. Cần extension đó thì cài thêm venv/bin/pip install joblib.

Trên Windows, cả hai đều có gói cài một lần: A1111 là sd.webui.zip, Forge là file .7z kèm sẵn Python và CUDA 12.1. Mình chưa thử hai gói này nên không có số đo.

Những lỗi mình gặp khi cài Stable Diffusion WebUI#

Một lỗi nhỏ nữa trước cả 4 lỗi trên: máy mới tạo chưa chạy apt update nên báo Package 'python3-venv' has no installation candidate.

Lỗi torch hiện ra như sau. Máy thuê của mình có Anaconda nên Python mặc định là 3.13:

Lỗi pkg_resources trên nhánh master, và kết quả sau khi chuyển sang nhánh dev:

ModuleNotFoundError: No module named 'pkg_resources'
ERROR: Failed to build 'https://github.com/openai/CLIP/archive/d50d76daa670286dd6cacf3bcd80b5e4823fc8e1.zip' when getting requirements to build wheel

Lỗi numpy của Forge, kèm thông báo của pip cho thấy thủ phạm là opencv:

ValueError: numpy.dtype size changed, may indicate binary incompatibility. Expected 96 from C header, got 88 from PyObject
opencv-contrib-python 5.0.0.93 requires numpy>=2; python_version >= "3.9", but you have numpy 1.26.2 which is incompatible.

Dòng cảnh báo của pip trông đáng lo, nhưng trong lần thử của mình Forge vẫn khởi động và tạo ảnh SD 1.5, SDXL bình thường. Mình chưa thử hết các extension dùng opencv.

Khi nào không nên dùng Stable Diffusion WebUI?#

• Bạn muốn chạy các model ảnh mới. A1111 không có Flux, Forge có Flux nhưng đã dừng cập nhật từ 06/2025. Trong bài ComfyUI, cả 3 model mới mình thử (Z-Image-Turbo, Qwen-Image 2.1, Krea-2) đều có sẵn workflow mẫu chính thức trong mục Templates.

• Bạn cài cho người khác dùng lâu dài. Cả hai đều ghim những thư viện cũ (torch 2.1 và 2.3, numpy 1.26), mỗi lần cài lại trên máy mới có thể vướng lỗi mới.

• Card dưới 8GB VRAM mà muốn chạy SDXL. Ở trên, riêng SDXL đã chiếm 7,5GB.

Câu hỏi thường gặp#

Stable Diffusion WebUI có còn được cập nhật không?#

Gần như không. Nhánh master của A1111 không có commit nào từ 27/07/2024. Nhánh dev có commit cuối ngày 02/03/2026, là một bản sửa lỗi cài setuptools. Forge dừng từ 26/06/2025.

Nên chọn A1111, Forge hay ComfyUI?#

Đã quen giao diện A1111 thì dùng Forge: cùng cách bấm, SDXL nhanh hơn 26%. Mới bắt đầu thì chọn ComfyUI vì vẫn đang được phát triển. Cần extension cũ chỉ chạy trên A1111 thì mới giữ A1111.

Chạy Stable Diffusion WebUI cần card bao nhiêu VRAM?#

Trong bài, SD 1.5 chiếm khoảng 3GB VRAM, SDXL khoảng 7,5GB trên RTX 3090. Với card 8GB, SDXL sẽ sát giới hạn; mình chưa thử trên card 8GB nên không khẳng định chạy được hay không. Theo README, Forge có thanh chỉnh "GPU Weight" để đẩy bớt model sang RAM khi thiếu VRAM.

Forge có chạy được Flux không?#

README của Forge ghi hỗ trợ Flux (bản NF4 và GGUF), và giao diện có sẵn nút chọn chế độ flux. Mình chưa thử Flux trong lần này nên không có số đo.

Đọc tiếp#

• ComfyUI là gì: tạo ảnh bằng workflow node, đo SDXL và 3 model mới trên RTX 3090.

• AI Local: chạy LLM và AI tạo ảnh trên máy bạn: chọn card, VRAM, mua hay thuê GPU.

• Cài Ollama trên Windows, macOS, Linux, Docker: chạy model chữ trên cùng máy.

Máy chưa có card đủ VRAM thì AIDev Cloud cho thuê theo giờ. Ngày 10/10/2026, máy RTX 3090 24GB dùng trong bài giá 15.000 đồng/giờ.

Thử ngày 10/10/2026 trên máy RTX 3090 24GB của AIDev Cloud (Ubuntu 24.04.4, driver 610.43, Python 3.11.17): A1111 nhánh dev 1937682a, Forge dfdcbab6, model v1-5-pruned-emaonly và sd_xl_base_1.0.