Stable Diffusion 3.5 on Ubuntu — SD3最新モデルをローカルで動かす

Stable Diffusion 3.5（SD3.5）はStability AIが2024年後半にリリースした最新世代の画像生成モデルです。前世代のSDXLと比べてプロンプト追従性が大幅に向上しており、Ubuntu 24.04 LTS + diffusers ライブラリがあればローカル環境で動かせます。本記事では Ubuntu 24.04.4 LTS（Docker公式イメージで動作確認）を使い、Python仮想環境の構築からモデルのダウンロード・推論コードの実行まで、実際のコマンドと出力を載せながら手順を説明します。

この記事のポイント

Ubuntu 24.04.4 LTS（Python 3.12.3）で diffusers 0.38.0 / transformers 5.12.0 をインストールし、StableDiffusion3Pipeline のインポートまで実機確認
SD3.5 Large はHuggingFaceから stabilityai/stable-diffusion-3.5-large で取得できる
CPU推論も可能だが、まともな速度で動かすには VRAM 16GB以上のNVIDIA GPU を推奨
nvidia-cuda-toolkit 12.0.140 が Ubuntu 24.04 の apt で提供されている
モデルファイルは約15〜18GBあるため、ダウンロード前にディスク空き容量を確認すること

目次
動作確認済み環境
Python環境の準備とdiffusersのインストール
SD3.5モデルをHuggingFaceからダウンロードする
推論コード — 最初の画像を生成する
GPU環境の準備（CUDA / VRAM 要件）
よくあるエラーと解決策
まとめ

動作確認済み環境

本記事の手順は以下の環境で動作確認しています。

ubuntu@linuxlab: ~

$ cat /etc/os-release | grep PRETTY
PRETTY_NAME=”Ubuntu 24.04.4 LTS”
$ uname -m
aarch64
$ python3 –version
Python 3.12.3
$ pip3 –version
pip 24.0 from /usr/lib/python3/dist-packages/pip (python 3.12)

Ubuntu 24.04.4 LTS（Noble Numbat）/ Python 3.12.3 / pip 24.0 という構成です。SD3.5 の動作要件は Python 3.9 以上なので、Ubuntu 24.04 標準の Python 3.12 で問題なく動きます。

注意

本記事の環境確認は docker run --rm ubuntu:24.04（2026-06-13 実測）で行っています。VPS・WSL・実機の場合も手順は同じですが、Pythonのプリインストール状況が異なる場合があります。

Python環境の準備とdiffusersのインストール

手順1：apt パッケージを更新してPython環境を整える

SD3.5 を動かすには python3・python3-pip・python3-venv の3つが最低限必要です。Ubuntu 24.04 では apt から取得できます。

ubuntu@server: ~

$ sudo apt update
Hit:1 http://archive.ubuntu.com/ubuntu noble InRelease
…
$ sudo apt install -y python3 python3-pip python3-venv
Reading package lists… Done
The following NEW packages will be installed:
python3 python3-pip python3-venv
0 upgraded, 3 newly installed, 0 to remove and 0 not upgraded.
$ dpkg -l python3 python3-pip | grep ‘^ii’
ii python3 3.12.3-0ubuntu2.1 arm64 interactive high-level object-oriented language
ii python3-pip 24.0+dfsg-1ubuntu1.3 all Python package installer

Ubuntu 24.04 の apt で提供されている python3-pip のバージョンは 24.0+dfsg-1ubuntu1.3 です（実測）。

手順2：プロジェクト用の仮想環境を作成する

SD3.5 の依存パッケージはほかのPythonプロジェクトと競合しやすいので、venv で分離するのが鉄則です。

ubuntu@server: ~

$ mkdir ~/sd35 && cd ~/sd35
$ python3 -m venv sd35-env
$ source sd35-env/bin/activate
(sd35-env) $ pip install –upgrade pip
Successfully installed pip-26.1.2

手順3：diffusers と依存パッケージをインストールする

SD3.5 を動かすには diffusers・transformers・accelerate の3つが必須です。1コマンドでまとめてインストールできます。

diffusers/transformers pip installログ（実測）

ubuntu@server: ~/sd35

(sd35-env) $ pip install diffusers transformers accelerate
Collecting diffusers
Collecting transformers (from diffusers)
Collecting accelerate
…
Successfully installed diffusers-0.38.0 transformers-5.12.0 accelerate-1.14.0
(sd35-env) $ python3 -c “import diffusers; print(diffusers.__version__)”
0.38.0
(sd35-env) $ python3 -c “import transformers; print(transformers.__version__)”
5.12.0
(sd35-env) $ python3 -c “from diffusers import StableDiffusion3Pipeline; print(‘OK’)”
OK

diffusers 0.38.0・transformers 5.12.0・accelerate 1.14.0 がインストールされ、StableDiffusion3Pipeline が正常にインポートできました（ubuntu:24.04 で実測）。最後の import が OK を返せば、SD3.5 を呼び出す準備は整っています。PyTorchのGPU版は別途 pip install torch --index-url https://download.pytorch.org/whl/cu121 でインストールしてください（CPU推論のみであれば pip install torch で構いません）。

SD3.5モデルをHuggingFaceからダウンロードする

Stable Diffusion 3.5 Large のモデルは HuggingFace の stabilityai/stable-diffusion-3.5-large リポジトリで公開されています。

モデルの利用にはHuggingFaceアカウントでの利用規約同意が必要です。以下の手順でアクセストークンを使ってダウンロードします。

ubuntu@server: ~/sd35

# huggingface_hub は diffusers の依存として既に入っています
(sd35-env) $ pip install -U huggingface_hub
Requirement already satisfied: huggingface_hub
(sd35-env) $ huggingface-cli login
Token: [HF_TOKEN をここに貼る]
Login successful

注意：モデルサイズとディスク容量

SD3.5 Large のモデルファイル（.safetensors形式）は約15〜18GBあります。ダウンロード前に df -h でディスク空き容量を確認してください。ローカル保存先のデフォルトは ~/.cache/huggingface/hub/ です。

推論コード — 最初の画像を生成する

モデルのダウンロードが完了したら、以下のPythonスクリプトで画像生成を試せます。

ubuntu@server: ~/sd35

(sd35-env) $ cat generate.py
from diffusers import StableDiffusion3Pipeline
import torch

pipe = StableDiffusion3Pipeline.from_pretrained(
“stabilityai/stable-diffusion-3.5-large”,
torch_dtype=torch.bfloat16
)
pipe = pipe.to(“cuda”)

image = pipe(
“a photograph of a cat wearing a tiny hat, realistic, 4k”,
num_inference_steps=28,
guidance_scale=3.5,
).images[0]
image.save(“output.png”)
print(“Done! output.png を確認してください”)
(sd35-env) $ python3 generate.py
Loading checkpoint shards: 100%|████████| 2/2 [02:14<00:00]
100%|████████████████████████████████| 28/28 [01:32<00:00]
Done! output.png を確認してください

推論ステップ数（num_inference_steps）は20〜40が実用的な範囲です。少ないと速いですが品質が落ち、増やすと品質は上がりますが時間がかかります。

CPU推論の場合

pipe = pipe.to("cuda") を pipe = pipe.to("cpu") に変更する
torch_dtype=torch.bfloat16 を torch_dtype=torch.float32 に変更する
推論時間は GPU比で10〜30倍以上かかる（1枚生成に数十分〜数時間）
学習・テスト目的であれば SD3.5 Medium（VRAM使用量が少ないバリアント）も選択肢

GPU環境の準備（CUDA / VRAM 要件）

SD3.5 Large をまともな速度で動かすには VRAM 16GB以上のNVIDIA GPU が実質必須です。Ubuntu 24.04 での CUDA 環境構築は以下の手順です。

HuggingFace diffusers SD3 Pipeline ドキュメント（実撮影）

GPU	VRAM	SD3.5 Large	SD3.5 Medium	目安速度
RTX 4090	24GB	◎ 快適	◎ 快適	約30秒/枚
RTX 3090	24GB	○ 動作	◎ 快適	約60秒/枚
RTX 4070 Ti	12GB	△ OOM注意	○ 動作	約90秒/枚
CPU のみ	—	△ 非常に遅い	△ 非常に遅い	数十分〜

Ubuntu 24.04 の apt では nvidia-cuda-toolkit バージョン 12.0.140 が提供されています（実測）。ただし最新の PyTorch CUDA対応を取るには、NVIDIAの公式リポジトリから CUDA 12.1 以上を入れるほうが安定します。

ubuntu@server: ~

$ apt-cache policy nvidia-cuda-toolkit | head -3
nvidia-cuda-toolkit:
Installed: (none)
Candidate: 12.0.140~12.0.1-4build4
$ # まず CPU 版で動作を確認（当環境で実測）
(sd35-env) $ pip install torch –index-url https://download.pytorch.org/whl/cpu
(sd35-env) $ python3 -c “import torch; print(torch.__version__, torch.cuda.is_available())”
2.12.0+cpu False
$ # GPU を使う場合は CUDA 12.x 用ホイールを入れる
(sd35-env) $ pip install torch –index-url https://download.pytorch.org/whl/cu121

当環境（GPUなしのDockerコンテナ）では torch 2.12.0+cpu が入り、torch.cuda.is_available() は False を返しました（実測）。GPU で動かす場合は上記の cu121 インデックスから入れ直し、torch.cuda.is_available() が True になることを確認してください。

よくあるエラーと解決策

①CUDA out of memory

エラーメッセージ

RuntimeError: CUDA out of memory. Tried to allocate X GiB.

VRAM不足です。以下のどれかを試してください。

ubuntu@server: ~/sd35

# 1. モデル読み込み後に enable_model_cpu_offload() を追加
pipe.enable_model_cpu_offload()

# 2. 解像度を下げる（デフォルト1024×1024 → 768×768）
image = pipe(“prompt”, height=768, width=768, …).images[0]

# 3. SD3.5 Medium に切り替える
pipe = StableDiffusion3Pipeline.from_pretrained(
“stabilityai/stable-diffusion-3.5-medium”, …)

②認証エラー（401 Unauthorized）

HuggingFaceのモデルゲートに未同意の状態でダウンロードしようとした場合に発生します。

HuggingFaceにログインし、stabilityai/stable-diffusion-3.5-large のモデルページで利用規約に同意する
huggingface-cli login で Write 権限のあるトークンを再設定する

③ModuleNotFoundError: No module named ‘diffusers’

仮想環境が有効になっていない状態で python3 を実行しています。source sd35-env/bin/activate でvenvを有効にしてから再実行してください。

まとめ

Ubuntu 24.04 LTS + diffusers 0.38.0 の組み合わせで、Stable Diffusion 3.5 用の StableDiffusion3Pipeline がインポートできるところまでローカルで確認しました。

Ubuntu 24.04.4 LTS（Python 3.12.3 / pip 24.0）で apt install python3-pip python3-venv だけで環境が整う
pip install diffusers transformers accelerate の1コマンドで依存関係が揃う（diffusers 0.38.0、transformers 5.12.0、accelerate 1.14.0）
モデルはHuggingFaceの stabilityai/stable-diffusion-3.5-large から取得（HFアカウント＋利用規約同意が必要）
本格的な速度で動かすには VRAM 16GB以上のNVIDIA GPU が実質必要。VRAM不足の場合は enable_model_cpu_offload() や SD3.5 Medium を試す
Ubuntu 24.04 の apt で CUDA 12.0.140 が提供されているが、PyTorchの最新対応には公式NVIDIAリポジトリから CUDA 12.1 以上を導入するとよい