UbuntuでStable Diffusion WebUIを構築する手順【GPU対応】

UbuntuでStable Diffusion WebUI（AUTOMATIC1111）を構築する手順を、実際に Ubuntu 24.04 LTS の公式 Docker イメージで検証した依存パッケージの実測データとともに解説します。NVIDIA GPU（VRAM 6GB 以上が目安）と Ubuntu 24.04 LTS があれば、自分の PC や GPU VPS 上で AI 画像生成を完全にコントロールできます。本記事では apt install 時の実出力・PyTorch の最新バージョン・CUDA toolkit の apt 収録版数まで、実際に動かして取得した結果だけを載せます。

Stable Diffusion WebUI（AUTOMATIC1111）とは

stable-diffusion-webui（通称：AUTOMATIC1111）は、Stable Diffusion モデルをブラウザで操作できるオープンソースのWebインターフェースです。コマンドラインを使わず、画像サイズ・プロンプト・サンプリング手法などを GUI 上でかんたんに設定できます。

GitHub API で実際に確認したところ、このリポジトリは 163,701 スター・30,369 フォークを集める Python 製の大規模プロジェクトでした（2026-06-15 取得）。txt2img・img2img・Inpainting・LoRA 対応など多彩な機能を持ちます。

構築の全体像は次のフローです。依存パッケージの導入 → NVIDIA ドライバー/CUDA → リポジトリの clone → モデル配置 → webui.sh 起動、の5ステップで進めます。

動作確認済み環境と前提条件

手順1：動作環境を確認する

本記事の手順は、Ubuntu 24.04 LTS の公式 Docker イメージ（ubuntu:24.04）で依存パッケージのバージョンを実測しながら確認しています。検証環境で取得した OS は Ubuntu 24.04.4 LTS でした。必要・推奨スペックは以下の通りです。

Ubuntu 24.04 LTS を推奨する理由は、Python 3.12・pip 24.0・CUDA 12 系が apt で入るため、依存関係の解決がシンプルだからです。実際に ubuntu:24.04 イメージで apt-cache policy を実行し、WebUI に必要なパッケージの収録版数を取得しました（下図）。

表の libglib2.0-0 の行に注目してください。Ubuntu 24.04 では libglib2.0-0 の apt 候補が「(none)」になります。これは 64bit time_t 移行で libglib2.0-0t64 に名称が変わったためです。ただし後述の apt install では libglib2.0-0 を指定しても apt が自動的に libglib2.0-0t64 へ解決してくれるため、コマンドはそのまま通ります。

必要なパッケージのインストール

手順2：システムパッケージを更新する

まずは apt を更新し、必要なシステムライブラリをインストールします。WebUI は OpenCV（画像処理）に libgl1 と libglib2.0-0 を必要とし、これを入れておかないと後で「libGL.so.1 が見つからない」エラーが発生します。

これは ubuntu:24.04 公式イメージで実際に実行したログです。libglib2.0-0 を指定すると libglib2.0-0t64 が、libgl1 を指定すると libgl1-mesa-dri が引き込まれているのが分かります。実行ログ全体は下図にまとめました。

手順3：バージョンを確認する

インストール後、バージョンを確認します。Ubuntu 24.04 では Python 3.12.3・pip 24.0・git 2.43.0 が入りました（2026-06-15 実測）。

Ubuntu 22.04 では Python 3.10.6 / pip 22.0.2 / git 2.34.1 / CUDA toolkit 11.5.1 になります。Stable Diffusion WebUI の動作自体に致命的な差はありませんが、Ubuntu 24.04 のほうが Python・CUDA ともに新しく、PyTorch 最新版との互換性が高いです。両イメージで実測したバージョン差を下図で確認してください。

手順4：NVIDIA ドライバーと CUDA をインストールする

GPU を使うために NVIDIA ドライバーと CUDA Toolkit が必要です。ubuntu:24.04 の apt-cache policy で確認したところ、nvidia-cuda-toolkit は 12.0.140~12.0.1-4build4、nvidia-driver-535 は 535.309.01-0ubuntu0.24.04.1 が apt に収録されていました（2026-06-15 実測）。

ドライバーのインストール後に nvidia-smi を実行すると、認識された GPU・ドライバーバージョン・対応 CUDA バージョン・VRAM 使用量が表示されます。以下は実機での表示例です（GPU の種類により表示は変わります）。

Stable Diffusion WebUI のセットアップ

手順5：リポジトリをクローンする

AUTOMATIC1111 の公式リポジトリを GitHub からクローンします。git ls-remote と GitHub API で確認した最新リリースは v1.10.1（2025年2月9日公開）でした。

手順6：モデルを配置する

画像生成に使うモデルファイル（.safetensors または .ckpt）を models/Stable-diffusion/ に配置します。入門には HuggingFace で公開されている Stable Diffusion v1.5 が使いやすく、ファイルサイズは約4GBです。

ちなみに、4GB のモデルをディスクに書き込む速度を ubuntu:24.04 コンテナで dd 実測したところ、シーケンシャル書き込みで 766MB/s（4GB を約5.6秒）でした。モデルを複数保存するなら、ストレージの空き容量に余裕を持たせておきましょう。

WebUI の起動と初期設定

手順7：起動スクリプトを実行する

初回起動時に webui.sh が依存ライブラリを自動インストールします。PyTorch（CUDA版）も自動でダウンロードされます。初回は10〜20分かかるので、コーヒーでも飲みながら待ちましょう。

起動に成功すると http://127.0.0.1:7860 にアクセスできます。VPS 上で動かしている場合は --listen オプションを指定してください（後述）。

手順8：PyTorch のバージョンを確認する

PyPI 公式API（https://pypi.org/pypi/torch/json）で確認したところ、PyTorch の最新版は 2.12.0、必須 Python は 3.10 以上でした（2026-06-15 取得）。Ubuntu 24.04 の Python 3.12.3 は余裕で要件を満たします。PyTorch 公式のインストールページでは、CUDA バージョンに合わせてインストールコマンドを生成できます。

torch.cuda.is_available() が True なら GPU が認識されています。False の場合は手順4のドライバー設定を見直してください（後述のエラー③）。

Stable Diffusion WebUI の使い方

①テキストから画像を生成する（txt2img）

WebUI にアクセスすると「txt2img」タブが開いています。上部の Prompt 欄に英語でプロンプトを入力し、「Generate」ボタンを押すだけで画像が生成されます。

正直、初回はプロンプトの書き方に戸惑います。「a beautiful landscape, high quality, 4k」のような基本的なプロンプトから始めて、徐々に細かく調整するのがコツです。

②サンプリング設定のポイント

生成品質に大きく影響するのがサンプリング設定です。初心者には以下の設定が安定して使いやすいです。

③VPS からリモートアクセスする

VPS 上の WebUI にブラウザからアクセスするには、起動時に --listen オプションを付けます。webui-user.sh を編集してください。

GPU 別の選び方と生成速度

Stable Diffusion の画像生成速度は GPU の VRAM 容量と演算性能に大きく依存します。VRAM 別のおおまかな目安を概念図にまとめました。

VRAM が少ない GPU では --medvram（8GB 前後）や --lowvram（4〜6GB）オプションで動かせます。ただし生成に時間がかかります。SDXL を快適に使うなら VRAM 12GB 以上が目安です。

なお、検証に使った Ubuntu 24.04 LTS ホストの CPU 性能を sysbench（2スレッド・10秒・3回）で実測したところ、平均 531.2 events/sec（531.00 / 531.35 / 531.17）と非常に安定していました。Stable Diffusion WebUI は GPU で推論を行うため、CPU 性能よりも VRAM と CUDA の有無が重要だと分かります。

④GPU VPS を借りる場合の料金

手元に GPU が無い場合は、GPU VPS を借りるのが現実的です。Vultr 公式API（/v2/plans）から東京リージョン対応の GPU プランを実取得したところ、東京で借りられる GPU プランは6種類でした（2026-06-15 取得）。SD v1.5 を余裕で動かせる VRAM 8GB の vcg-a16-3c-32g-8vram が月額 $172、SDXL も視野に入る VRAM 16GB の vcg-a16-6c-64g-16vram が月額 $344 です。

最小構成（VRAM 2GB の vcg-a16-2c-8g-2vram）なら月額 $43・時間単価 $0.059 から使えます。短時間の検証なら時間単価での利用も選択肢です。

よくあるエラーと解決策

エラー①：「libGL.so.1: cannot open shared object file」

OpenCV が libGL.so.1 を見つけられないエラーです。libgl1（24.04 では libgl1-mesa-dri を引き込む）と libglib2.0-0 を入れれば解決します。

エラー②：「CUDA out of memory」

VRAM が不足しています。起動オプションに --medvram または --lowvram を追加してください。

エラー③：「torch.cuda.is_available() returns False」

CUDA が有効になっていません。nvidia-smi でドライバーが認識されているか確認してください。ドライバー再インストール後は必ず再起動が必要です。

エラー④：「No module named ‘xformers’」（警告）

xformers は VRAM 節約・高速化のオプションライブラリです。なくても動きますが、入れると効果があります。

まとめ

Ubuntu 24.04 LTS に Stable Diffusion WebUI（AUTOMATIC1111）を構築する手順を解説しました。依存パッケージのバージョンは ubuntu:24.04 / ubuntu:22.04 公式 Docker イメージで実測し、AUTOMATIC1111 のスター数・最新リリース・PyTorch 最新版・GPU VPS 料金は GitHub API / PyPI / Vultr 公式API から実取得しました。

GPU レンタルのコストや各社の比較が気になる方は、当サイトのGPU サーバーの料金比較記事もあわせてご覧ください。主要サービスの実測ベンチとコストを比較しています。