Stable Diffusion locale: installazione e configurazione ComfyUI guida operativa • Meteora Web Agency

Hai mai speso soldi in abbonamenti a Midjourney o DALL·E, solo per scoprire che non hai controllo sul modello, sulla privacy o sui costi? E poi arriva il blocco dei prompt, i limiti di generazione, i dati che finiscono chissà dove. Se ti riconosci, è ora di fare il passo successivo: installare Stable Diffusion localmente con ComfyUI.

Noi di Meteora Web abbiamo scelto la via locale per un motivo preciso: possesso e controllo. Nessun canone mensile, nessuna restrizione su ciò che generi, nessun dipendenza da server altrui. Solo la tua GPU e la tua creatività. In questa guida ti portiamo dall'installazione alla prima generazione, passo dopo passo, con esempi reali.

Questa guida è uno spoke del nostro pillar su AI per Immagini. Se non hai mai usato Stable Diffusion, parti da qui. Se già lo conosci, troverai dettagli su ComfyUI e ottimizzazioni.

Perché installare Stable Diffusion in locale?

Stable Diffusion è un modello open-source di generazione immagini. Puoi eseguirlo sul tuo PC anziché su un server a pagamento. I vantaggi sono concreti:

Privacy totale: i tuoi prompt e immagini restano in locale. Niente cloud, niente occhi indiscreti.
Costo zero una volta che hai l'hardware: nessun abbonamento mensile. Se hai già una scheda grafica decente, il costo è zero ulteriore.
Nessun limite: generi quante immagini vuoi, senza code o restrizioni di utilizzo.
Personalizzazione massima: puoi usare qualsiasi modello (SD 1.5, SDXL, Flux, ecc.), aggiungere LoRA, ControlNet, texture personalizzate.

L'unico svantaggio è la configurazione iniziale, ma con questa guida la faremo in 20 minuti.

Hardware e prerequisiti

Prima di installare, verifica cosa hai sotto la scocca.

Scheda grafica (GPU)

Stable Diffusion gira meglio su GPU NVIDIA con almeno 6 GB di VRAM. Con 8 GB vai comodo su SDXL, con 12 GB voli. Se hai una GPU AMD (Radeon) o Intel Arc, puoi usare driver ROCm o OpenVINO, ma l'esperienza è meno fluida. Se non hai GPU, puoi comunque usare la CPU, ma preparati a tempi da 5-10 minuti per immagine.

Consiglio pratico: se la tua scheda ha meno di 4 GB, considera un servizio cloud come RunPod o Google Colab. Ma per la maggior parte dei PC gaming moderni (RTX 2060 in su), l'installazione locale funziona.

Software richiesto

Python 3.10 o 3.11 (non 3.12+ perché alcune librerie non sono compatibili). Scarica da python.org.
Git per clonare repository. Scarica da git-scm.com.
Spazio su disco: almeno 20 GB per modelli e generazioni.

Installazione di ComfyUI

ComfyUI è l'interfaccia a nodi più potente per Stable Diffusion. Ti permette di costruire flussi di lavoro visivi, combinando modelli, prompt, sampler e post-process. È il nostro strumento preferito.

Passo 1: Clonare il repository

Apri il terminale (PowerShell su Windows, bash su Linux/Mac) e digita:

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

Passo 2: Creare un ambiente virtuale Python

Per non sporcare il Python di sistema:

python -m venv venv
# Attivazione:
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate

Passo 3: Installare le dipendenze

All'interno della cartella ComfyUI:

pip install -r requirements.txt

Se hai GPU NVIDIA, installa anche xformers per ridurre il consumo di VRAM (consigliatissimo):

pip install xformers

Per AMD o Intel, segui le istruzioni ufficiali di ComfyUI sul repo GitHub.

Passo 4: Scaricare un modello base

ComfyUI viene senza modelli. Devi scaricarli manualmente. I due luoghi principali:

Hugging Face: modelli ufficiali come sd-v1-4.ckpt o sd_xl_base_1.0.safetensors.
CivitAI: migliaia di modelli community (realistici, anime, stilizzati).

Noi consigliamo di iniziare con un modello semplice: stable-diffusion-2-1 o un checkpoint come Realistic Vision V5.1 da CivitAI. Scarica il file .safetensors (o .ckpt) e copialo in ComfyUI/models/checkpoints/.

Esempio con wget per scaricare SD 2.1 da Hugging Face:

# Installa wget se non lo hai
wget -P models/checkpoints/ https://huggingface.co/stabilityai/stable-diffusion-2-1/resolve/main/v2-1_768-ema-pruned.safetensors

Passo 5: Avviare ComfyUI

python main.py

Se tutto funziona, vedrai un messaggio come:

 ComfyUI start with normal settings 
Starting server
To see the GUI go to: http://127.0.0.1:8188

Apri il browser su http://127.0.0.1:8188.

Primo workflow: text-to-image

L'interfaccia di ComfyUI è composta da nodi. Ogni nodo è una funzione: carica il modello, processa il prompt, esegue il sampler, salva l'immagine.

Per la prima generazione, non serve reinventare nulla. C'è un workflow preimpostato. Vai su Load Default nel menu (a volte compare già all'avvio).

Se non lo vedi, puoi crearlo manualmente:

Add node → loaders → Load Checkpoint: seleziona il tuo modello.
Collega l'output model a un nodo CLIP Text Encode (Prompt). Metti il prompt positivo e negativo.
Collega l'output conditioning a un nodo KSampler. Imposta seed, steps, CFG scale (7 è un buon inizio).
Collega l'output latent a un nodo VAEDecode (usa il VAE del checkpoint o uno separato).
Collega l'output Save Image.
Premi Queue Prompt (o Ctrl+Enter).

Vedrai l'immagine generarsi in tempo reale. Se non succede, controlla la console per errori.

Ottimizzazioni fondamentali

Con hardware limitato (6-8 GB VRAM), queste accortezze fanno la differenza:

--lowvram: avvia ComfyUI con python main.py --lowvram. Rallenta un po' ma riduce il consumo di VRAM di quasi il 30%.
xformers: se non l'hai installato, fallo ora. Abilita automaticamente ottimizzazioni di memoria durante l'inferenza.
Riduci la risoluzione: per SD 1.5 usa 512x512, per SDXL 1024x1024 ma con 8 GB rischi. Prova 768x768.
Batch size a 1: generare una immagine alla volta consuma meno VRAM.

Estendere ComfyUI: ControlNet, LoRA, Upscaler

Una volta padroneggiato il flusso base, puoi aggiungere potenza:

ControlNet: nodi che permettono di condizionare la generazione su un'immagine di riferimento (pose, profondità, edge). Scarica i modelli ControlNet da Hugging Face e mettili in models/controlnet/.
LoRA: pesi addestrati su stili o personaggi specifici. Metti i file in models/loras/ e usa il nodo Load LoRA tra il checkpoint e il CLIP.
Upscaler: per raddoppiare la risoluzione dopo la generazione. Installa nodi extra come Ultimate SD Upscale o usa il modello 4x_NMKD.

La community ha creato migliaia di workflow preimpostati. Li trovi su CivitAI o su GitHub. Caricali trascinando il file .json nella finestra di ComfyUI.

In sintesi — cosa fare adesso

Scarica e installa ComfyUI seguendo i passi sopra. Dovresti impiegarci 15-20 minuti.
Prendi un modello base da CivitAI o Hugging Face (es. Realistic Vision o Dreamshaper).
Avvia e genera la tua prima immagine con il workflow predefinito. Non preoccuparti se non è perfetta: conta che funzioni.
Sperimenta con i parametri: cambia CFG, steps, sampler. Noterai subito le differenze.
Esplora workflow preimpostati e aggiungi ControlNet o LoRA per alzare il livello.

Hai problemi di hardware? Considera un'istanza cloud GPU. Ma se la tua scheda è una GTX 1060 6GB, puoi comunque generare immagini con SD 1.5 in 30 secondi ciascuna. È più che sufficente per iniziare.

Se vuoi approfondire altri tool di AI per immagini, leggi la nostra guida completa su Midjourney, Firefly e AI per immagini. E se vuoi esplorare come usare l'AI nel marketing della tua PMI, abbiamo una guida pratica che fa al caso tuo.