Stable Diffusion Yerel Kurulum 2026: Sıfırdan Profesyonel Türkçe Derin Rehber

Özet (TL;DR)

Tek cümlelik cevap: Stable Diffusion yerel kurulum, RTX 3060+ donanım + Automatic1111/ComfyUI ile ücretsiz + KVKK %100 + sınırsız profesyonel görsel üretim sağlar.

• Stable Diffusion yerel kurulum, ücretsiz + KVKK %100 uyumlu + sınırsız üretim sunar — Türk şirketleri için Midjourney/DALL-E maliyetinin %1ine sektör-rakip görsel üretim mümkün.
• Üç ana UI: (1) Automatic1111 — en olgun, geniş eklenti, yeni başlayanlar için ideal (slider tabanlı). (2) ComfyUI — profesyonel node-based workflow, FLUX/SD3 native, daha hızlı. (3) Fooocus — basit, minimal config, sade kullanıcı için.
• Donanım minimum: NVIDIA GTX 1060 6GB (yavaş ama çalışır, SDXL Q4). Optimal: RTX 3060 12GB (SDXL native, $250-300). İdeal: RTX 4090 24GB (FLUX + SDXL hızlı, $1500-2000). Mac: M1+ Apple Silicon (yavaş ama çalışır, MLX/Diffusers).
• Model ekosistemi: SD 1.5 (Stable, 100K+ CivitAI fine-tune), SDXL (1024×1024 native), SD 3.5 (Stability community license), FLUX 1 (BFL non-commercial dev + Apache schnell), Pony Diffusion (anime), Illustrious (anime), Realistic Vision (photoreal SD 1.5 fine-tune).
• Anahtar parametre 5 tane: (1) Sampler (Euler a hızlı, DPM++ 2M Karras kaliteli, UniPC SD3+ için). (2) Steps (SD: 20-30, SDXL: 25-40, FLUX: 4-28). (3) CFG (SD: 6-9, SDXL: 5-7, FLUX: 3.5). (4) Resolution (SD 512×512, SDXL 1024×1024). (5) Seed (sabit = tekrarlanabilir).
• Profesyonel ekstra: LoRA (stil/karakter fine-tune), ControlNet (canny/depth/pose yapı kontrolü), IP-Adapter (referans stil), Inpainting (seçili alan), Hires Fix (upscale), Refiner (SDXL final pass).
• Türk şirket KVKK: Self-host SD = veri hiç dışarı çıkmaz. Banka/sağlık/savunma için tek doğru çözüm. RTX 4090 + ComfyUI iş yatırımı 6-12 ayda Midjourney/DALL-E maliyetinden tasarrufla amortize.

Stable Diffusion'ın yerel kurulumu (lokal, self-host) AI görsel üretiminde dönüştürücü bir özelliktir. Midjourney/DALL-E/FLUX [pro] gibi bulut servislere karşı 5 stratejik avantaj sağlar:

Yerel SD vs Bulut Servisler

Boyut	Yerel SD	Bulut (Midjourney/DALL-E)
Görsel başına maliyet	~₺0.10 elektrik	₺1-3
Aylık 5000 görsel maliyet	~₺500 elektrik	₺5000-15000
KVKK uyum	%100 uyum (veri içeride)	Risk (yurt dışı transfer)
Sansür	Topluluk modelleri serbest	Sıkı (NSFW, ünlü, marka yasaklı)
Özelleştirme	LoRA + ControlNet + custom checkpoint	Çok sınırlı
Hız	Donanıma bağlı (5-60 sn)	Bulut latency (8-50 sn)
Üretim sınırı	YOK	Aylık quota / fair use
Internet bağımlılığı	YOK	Var
Lisans	Modele göre (çoğu MIT/Apache/CreativeML OpenRAIL)	Tier'a göre ticari sınır
Ekosistem	100K+ CivitAI model + LoRA	Sınırlı

2.1 NVIDIA GPU Hiyerarşisi

NVIDIA GPU Performans (SDXL 1024×1024, 30 step)

GPU	VRAM	SDXL Hız	FLUX Hız	Fiyat (₺)	Notlar
GTX 1060	6GB	60-90 sn	Çalışmaz	₺2K (2.el)	Sadece SD 1.5
GTX 1660 Super	6GB	45-70 sn	Çalışmaz	₺3K	SD 1.5 OK
RTX 2060	6GB	30-50 sn	NF4 (60 sn)	₺4-5K	Eşik
RTX 3060 12GB	12GB	20-30 sn	Q4 (40 sn)	₺8-9K	ÖNERILEN giriş
RTX 3070	8GB	15-25 sn	NF4 (30 sn)	₺9-11K	VRAM dar
RTX 3080 10GB	10GB	12-20 sn	NF4 (25 sn)	₺12K (2.el)	İyi seçim
RTX 3090 24GB	24GB	8-15 sn	Q8 (15 sn)	₺18-22K	FLUX full
RTX 4060 Ti 16GB	16GB	10-18 sn	Q8 (20 sn)	₺13-15K	Modern dengeli
RTX 4070	12GB	8-15 sn	Q4 (15 sn)	₺18-20K	Modern hızlı
RTX 4070 Ti Super	16GB	6-12 sn	Q8 (12 sn)	₺25-28K	Sweet spot
RTX 4080	16GB	5-10 sn	Q8 (10 sn)	₺35-40K	Premium
RTX 4090	24GB	3-8 sn	FP16 (10 sn)	₺55-65K	Lider tüketici
RTX 5090	32GB	2-5 sn	FP16 (5 sn)	₺85K+	2025 flagship

2.2 Donanım Karar Akışı

Senaryo → Önerilen GPU

Senaryo	Önerilen GPU	Maliyet (₺)
Hobby + öğrenme	RTX 3060 12GB	8-9K
Solo içerik üretici	RTX 4060 Ti 16GB	13-15K
Yarı-pro freelance	RTX 4070 Ti Super	25-28K
KOBİ kreatif takım	RTX 4090	55-65K
Stüdyo / agency	2× RTX 4090 (paralel batch)	110-130K
Kurumsal banka/sağlık	1× A100 80GB	Custom (~₺500K+)

2.3 AMD ve Intel GPU Durumu

AMD opsiyonu:

• Linux + ROCm 6.0+ + RX 7900 XTX 24GB ≈ RTX 4080 performans
• Windows: DirectML (yavaş) veya WSL2 + ROCm

Intel opsiyonu:

• Arc A770 16GB — Intel IPEX-LLM + diffusers
• 2025-2026'da olgunlaşıyor ama hala niche

2.4 Apple M-Series

Mac M1/M2/M3/M4 Pro/Max/Ultra:

• Native MLX framework veya Diffusers (PyTorch MPS backend)
• Performans: M3 Max 64GB ≈ RTX 3070 hızında
• Avantaj: Sessiz, düşük güç, taşınabilir
• Dezavantaj: ControlNet/LoRA bazıları MPS'te uyumsuz

Mac için önerilen: M3 Max 36GB+ veya M3 Ultra 48GB+. Apple Silicon SD için Draw Things uygulaması veya ComfyUI MLX nightly.

2.5 Bütçe Olmadan Başlangıç — Cloud Alternatifleri

Bu rehber yerel kurulum için olsa da, donanım yokken başlangıç için:

• Google Colab Free (sınırlı GPU, T4 16GB, oturum başı 4 saat)
• Kaggle Notebooks (T4×2, haftalık 30 saat)
• Runpod / Vast.ai / TensorDock ($0.20-0.50/saat RTX 4090)
• CivitAI Generator (web tabanlı, ücretsiz tier)

Bu cloud GPU yaklaşımları 6-12 ay denenip donanım yatırımı kararı verilebilir.

3.1 Automatic1111 (Stable Diffusion WebUI)

Tanım

Automatic1111

AUTOMATIC1111/stable-diffusion-webui GitHub repository'sinin yaygın adı. 2022'den beri en yaygın kullanılan SD UI. Gradio tabanlı web arayüzü. Slider/dropdown ile parametreler. 5000+ eklenti, geniş topluluk. SD 1.5 ve SDXL için olgun; SD 3.5 ve FLUX için yavaş güncelleme.

Güçlü yönler:

• En geniş topluluk, en çok tutorial
• Eklenti ekosistemi mükemmel (ControlNet, ADetailer, Regional Prompter, vb.)
• Slider tabanlı UI yeni başlayanlar için kolay
• SD 1.5/SDXL/Pony için olgun

Zayıf yönler:

• FLUX desteği geriden geliyor
• ComfyUI'den daha yavaş (5-20%)
• SD 3.5 destek geriden
• Workflow ihracı sınırlı

Kim için uygun:

• Yeni başlayan SD kullanıcısı
• SD 1.5 / SDXL ile çalışacak
• Tutorial bolca isteyen

3.2 ComfyUI

Tanım

ComfyUI

ComfyAnonymous tarafından 2023'te yayınlanan, node-based workflow ile çalışan ileri seviye Stable Diffusion UI. Each step a node, akış görsel olarak tasarlanır. Profesyonel kullanım için en güçlü UI. FLUX, SD 3.5, video gen ilk olarak burada destek bulur. 2026'da sektör standardı oldu.

Güçlü yönler:

• En hızlı UI (memory + speed optimize)
• FLUX, SD 3.5, Video Diffusion ilk burada
• Node-based workflow = repeatable + paylaşılabilir
• Memory efficient (low VRAM çalışır)
• Custom node ekosistemi geniş

Zayıf yönler:

• Öğrenme eğrisi yüksek (node-based mantık)
• Yeni başlayan için göz korkutucu
• A1111'in bazı eklentilerinin eşdeğeri yok

Kim için uygun:

• Profesyonel kullanıcı
• FLUX/SD 3.5 öncelik
• Workflow paylaşımı yapan ekip

3.3 Forge UI (Stable Diffusion Webui Forge)

A1111'in lllyasviel tarafından optimize edilmiş fork'u:

• A1111'in aynı UX'i + ComfyUI hızı
• VRAM management iyileştirilmiş
• FLUX desteği A1111'den daha hızlı geldi

3.4 Fooocus

lllyasviel tarafından yapılan, minimal config gerektirmesini hedefleyen UI:

• Sadece prompt yaz → görsel üret
• Otomatik en iyi sampler/CFG/steps seçimi
• Tek tık install
• SD/SDXL focus, FLUX yok (Şubat 2026)

Kim için uygun: Geliştirici olmayan + hızlı görsel isteyen kullanıcılar.

3.5 SD.Next (vladmandic)

Gelişmiş A1111 fork — Diffusers backend, daha fazla model desteği (SD/SDXL/SD3/Cascade/FLUX/Lumina/PixArt). Power user için.

3.6 InvokeAI

Profesyonel/kurumsal tier SD UI — kendi server architecture, Apache 2.0, kurumsal kullanım için optimize.

3.7 UI Karar Matrisi

UI Karar Matrisi

Kullanıcı Profili	Tavsiye
Yeni başlayan + SD 1.5/SDXL	Automatic1111
Geliştirici olmayan + hızlı	Fooocus
Profesyonel + FLUX/SD3	ComfyUI
A1111 alışkın + hız	Forge UI
Power user + multi-model	SD.Next
Kurumsal	InvokeAI
Mac M-series	Draw Things veya ComfyUI

4.1 Önkoşullar

Nasıl Yapılır

A1111 Kurulum Önkoşulları (Windows 10/11)

1. 1

   Python 3.10.6 kur

   python.org/downloads/release/python-3106 → Windows installer (64-bit). Kurulum sırasında 'Add Python to PATH' İŞARETLE.

2. 2

   Git kur

   git-scm.com/download/win → Windows installer, varsayılan ayarlar.

3. 3

   NVIDIA driver güncel mi?

   nvidia.com/Download/index.aspx → Studio Driver (en güncel). Kurulum sonrası reboot.

4. 4

   CUDA Toolkit (opsiyonel ama önerilir)

   CUDA 12.1+ — developer.nvidia.com/cuda-downloads → Windows local installer.

4.2 A1111 İndirme ve Kurulum

Nasıl Yapılır

Automatic1111 Kurulum

1. 1

   Repo clone

   Boş klasörde (örn C:\AI\) PowerShell: git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

2. 2

   Model indir (SD 1.5 başlangıç)

   huggingface.co/runwayml/stable-diffusion-v1-5 → v1-5-pruned.safetensors (4.2GB) → stable-diffusion-webui/models/Stable-diffusion/

3. 3

   İlk çalıştır

   stable-diffusion-webui klasöründe webui-user.bat çift tık. PyTorch + Diffusers otomatik kurulur (~10-20 dakika ilk seferde).

4. 4

   Browser

   Otomatik tarayıcı açılır: 127.0.0.1:7860

5. 5

   İlk prompt

   Prompt kutusuna: 'a cat sitting in a Turkish garden, warm sunset light, photographic'. Generate. ~20-30 sn (RTX 3060) sonra ilk görsel.

4.3 Optimization Flag'ler (webui-user.bat)

webui-user.bat dosyasını NotePad ile aç, COMMANDLINE_ARGS satırına ekle:

A1111 Performans Flag

Flag	İşlev
--xformers	xFormers memory-efficient attention (önerilir)
--medvram	12GB altı VRAM için
--lowvram	6-8GB VRAM için (yavaş)
--no-half	Sayısal sorun varsa (yavaş)
--opt-sdp-attention	PyTorch 2.0+ scaled dot-product attention
--upcast-sampling	Bazı GPU'larda kalite + stabil
--api	REST API endpoint aktif (otomasyon için)
--listen	Network içinde başkalarına aç
--share	Gradio public share (DİKKAT — public)

Tipik power user flag: COMMANDLINE_ARGS=--xformers --opt-sdp-attention --api

4.4 macOS Apple Silicon

Nasıl Yapılır

A1111 Mac M-series Kurulum

1. 1

   Homebrew kur

   Terminal: /bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)

2. 2

   Dependencies

   brew install cmake protobuf rust python@3.10 git wget

3. 3

   A1111 clone

   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/stable-diffusion-webui

4. 4

   Model indir

   v1-5-pruned.safetensors → ~/stable-diffusion-webui/models/Stable-diffusion/

5. 5

   Çalıştır

   cd ~/stable-diffusion-webui && ./webui.sh

6. 6

   Mac-specific args

   Flag ekle: --no-half --use-cpu interrogate (M1/M2 için, M3+'ta gerek yok)

4.5 Linux Ubuntu

Nasıl Yapılır

A1111 Ubuntu 22.04 Kurulum

1. 1

   Dependencies

   sudo apt update && sudo apt install -y python3.10 python3.10-venv python3-pip git curl

2. 2

   NVIDIA driver

   sudo ubuntu-drivers autoinstall && reboot

3. 3

   CUDA

   NVIDIA resmi CUDA repo'dan en son sürüm kurulum

4. 4

   A1111

   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git && cd stable-diffusion-webui

5. 5

   Model

   Yukarıdaki gibi model dosyasını models/Stable-diffusion/ koy

6. 6

   Çalıştır

   ./webui.sh — otomatik venv + pip install

5.1 Windows Portable

Nasıl Yapılır

ComfyUI Windows Portable Kurulum

1. 1

   İndir

   github.com/comfyanonymous/ComfyUI/releases → ComfyUI_windows_portable.7z (~1.5GB)

2. 2

   7-Zip ile çıkart

   C:\AI\ComfyUI_windows_portable\

3. 3

   Manager kur (zorunlu)

   PowerShell: cd C:\AI\ComfyUI_windows_portable\ComfyUI\custom_nodes && git clone https://github.com/ltdrdata/ComfyUI-Manager

4. 4

   Model yerleştir

   v1-5-pruned.safetensors → ComfyUI\models\checkpoints\

5. 5

   Çalıştır

   run_nvidia_gpu.bat çift tık. Browser otomatik: 127.0.0.1:8188

6. 6

   Default workflow

   Drag-drop: github.com/comfyanonymous/ComfyUI_examples/blob/master/sd_basic/workflow.json

5.2 ComfyUI Node-Based Workflow Mantığı

ComfyUI'da her görsel üretim adımı bir node olarak temsil edilir:

1. Load Checkpoint node: Model dosyasını yükle
2. CLIP Text Encode node: Prompt'u embedding'e çevir (positive + negative)
3. Empty Latent Image node: Boş canvas hazırla (512×512 veya 1024×1024)
4. KSampler node: Diffusion sampling (steps, CFG, sampler, seed)
5. VAE Decode node: Latent'ı pixel'e çevir
6. Save Image node: Kaydet

Tüm bu node'lar oklar ile birleştirilir. Bir kez kurduğun workflow JSON olarak kaydedilip paylaşılabilir.

6.1 Ana Model Aileleri

SD Model Aileleri

Model	Çıkış	Çözünürlük	Boyut	Özellik
SD 1.5	Ekim 2022	512×512	4GB	100K+ fine-tune
SD 2.1	Aralık 2022	768×768	5GB	Az kullanılır
SDXL 1.0	Temmuz 2023	1024×1024	6.6GB	Geniş benimsenme
SDXL Turbo	Kasım 2023	512×512	6GB	1-step fast
SD 3.0 / 3.5	2024	1024×1024	8GB+	Yeni mimari, daha sıkı lisans
SD 3.5 Large	Ekim 2024	1024×1024	16GB	MMDiT mimari, 8B param
FLUX.1 Schnell	Ağu 2024	1024×1024	23.8GB	Apache 2.0 ticari
FLUX.1 Dev	Ağu 2024	1024×1024	23.8GB	Non-commercial
Stable Cascade	Şubat 2024	1024×1024	6GB	Hızlı, az kullanılır

6.2 Popüler Fine-Tune'lar (Topluluk)

Popüler SD Fine-Tune'lar

Model	Base	Stil	Kullanım
Realistic Vision	SD 1.5	Photoreal	Portre + insan
DreamShaper	SD 1.5/SDXL	Genel	Çok yönlü
Juggernaut XL	SDXL	Photoreal	Profesyonel kalite
Pony Diffusion V6	SDXL	Anime + cartoon	NSFW + non-NSFW
Illustrious XL	SDXL	Anime	Modern anime
Animagine XL	SDXL	Anime	NSFW anime
NoobAI-XL	SDXL	Anime	Yeni 2025
Reliberate	SD 1.5	Photoreal	Sanatsal photoreal
epicRealism	SD 1.5	Photoreal	Foto detay
Counterfeit	SD 1.5	Anime	Eski klasik
CyberRealistic	SD 1.5	Photoreal	Sci-fi + portre

İndirme: civitai.com (Türkçe arayüz yok ama dosya indirme basit).

6.3 VAE — Variational Autoencoder

VAE renk kalitesi ve görsel kontrastta kritik:

• SD 1.5: VAE genelde checkpoint'a entegre. "ft-mse-840000-ema-pruned" external VAE renkleri iyileştirir
• SDXL: sdxl_vae.safetensors (Stability resmi) zorunlu
• FLUX: ae.safetensors (BFL official) zorunlu

VAE konumu: models/VAE/ klasörü. A1111 Settings'te varsayılan VAE seçimi.

7.1 Sampler — Hangisini Seçmeli?

Sampler Karşılaştırması

Sampler	Step	Kalite	Hız	Use-Case
Euler a	20-25	İyi	Hızlı	Hızlı prototip
Euler	20-30	İyi	Hızlı	Klasik
DPM++ 2M Karras	20-30	ÇOK İYİ	Orta	ÖNERILEN default SD 1.5/SDXL
DPM++ 3M SDE	30-50	En iyi	Yavaş	High quality
DPM++ SDE Karras	20-30	Çok iyi	Orta	Detay
UniPC	10-20	İyi	Çok hızlı	SD 3.5 default
LCM	4-8	Orta	Çok hızlı	LCM LoRA ile
DDIM	30-50	Orta	Orta	Reproducible
Heun	20-30	Çok iyi	Yavaş	Detay
PLMS	20-30	Orta	Hızlı	Eski klasik

Pratik tavsiye:

• SD 1.5 / SDXL: DPM++ 2M Karras 25 step
• SD 3.5 / FLUX: UniPC 28 step veya Euler 28 step
• LCM LoRA ile: LCM 4-8 step (hızlı)

7.2 CFG Scale (Classifier-Free Guidance)

CFG = prompt'a ne kadar sıkı bağlı kalsın:

CFG Scale Davranışı

CFG	Davranış
1-2	Prompt çok serbest, AI yaratıcılık üst
3-4	Hafif prompt-following, yaratıcı
6-8	Önerilen SD 1.5/SDXL sweet spot
7-9	Sıkı prompt, ama bazen aşırı doygun renk
10+	Çok sıkı, görsel yanmış/aşırı saturated

Pratik:

• SDXL: CFG 5-7
• SD 1.5: CFG 7-9
• FLUX: CFG 3.5 (Schnell: 0 — yok)
• SD 3.5: CFG 3.5-7

7.3 Steps (Sampling Step Sayısı)

Step ne kadar yüksek = daha rafine ama yavaş + diminishing returns:

• 10 step: Yarı-bozuk, hızlı denemeler
• 20 step: Kabul edilebilir
• 25-30 step: Sweet spot
• 50 step: Üst sınır
• 100+ step: Boşa GPU (kalite artmaz)

7.4 Resolution — Çözünürlük Tuzakları

7.5 Seed — Tekrarlanabilirlik

Seed = aynı seed + aynı parametre + aynı prompt → aynı görsel.

Kullanım:

• Test: Seed sabit, prompt değişikliği etkisini izlemek
• Iteration: Beğenilen görselin seed'ini al, prompt rafine et
• Production: Seed -1 (random) — her seferinde farklı varyant

8.1 LoRA (Low-Rank Adaptation)

Tanım

LoRA

Low-Rank Adaptation. Tam fine-tune yerine küçük 'adapter' dosyalar (genelde 50-300MB). Çekirdek modeli değiştirmeden yeni stil/karakter ekler. Birden çok LoRA aynı anda kullanılabilir. CivitAI'de 50K+ LoRA mevcut.

LoRA kurulumu:

• LoRA dosyalarını models/Lora/ klasörüne koy
• A1111: prompt'a <lora:loraadi:0.8> ekle (0.8 = stren­gth)
• ComfyUI: "Load LoRA" node ekle

Popüler LoRA kategorileri:

• Karakter LoRA (belirli karakter tutarlılığı)
• Stil LoRA (Studio Ghibli, Pixar, Van Gogh)
• Konsept LoRA (örn cyberpunk, fantasy)
• Detail LoRA (more detail, better lighting)

8.2 ControlNet

Tanım

ControlNet

2023 Şubat'ta Lvmin Zhang tarafından yayınlanan, görsel üretimine 'yapı kontrolü' ekleyen mimari. Reference görselden çıkarılan canny edge / depth / pose / segmentation gibi yapısal bilgilerle yeni görsel üretimini yönlendirir. SD'nin 'prompt + chaos' yaklaşımının ötesinde precision control sağlar.

ControlNet modelleri:

• Canny: Edge detection — yapısal kopya
• Depth: Derinlik haritası — 3D kompozisyon
• OpenPose: İnsan iskeleti — pose kontrolü
• Lineart: Çizgi sanatından renkli
• Scribble: Karalama'dan görsel
• Segmentation: Semantic bölgeler
• MLSD: Düz çizgi (mimari)
• Normal: Yüzey normalleri
• Tile: Upscale + detay

Kurulum (A1111):

1. Extensions sekmesi → URL: github.com/Mikubill/sd-webui-controlnet
2. ControlNet model dosyalarını extensions/sd-webui-controlnet/models/ koy (Hugging Face: lllyasviel/sd-controlnet-canny vb.)
3. txt2img sekmesinde ControlNet panel açılır

8.3 IP-Adapter

Stil/karakter referans görseliyle yeni görsel üretimi:

• Reference görsel yükle
• IP-Adapter weight ayarla (0.5-1.0)
• Prompt yaz → reference stil + yeni içerik

CivitAI ve Hugging Face'te IP-Adapter modelleri.

9.1 Inpainting — Bölgesel Düzenleme

Mevcut görselde bir alanı seç, sadece o alanı yeniden üret:

1. img2img sekmesi → Inpaint tab
2. Görsel yükle
3. Brush ile düzeltmek istediğin alanı boya (maske)
4. Yeni prompt yaz: "a different hat"
5. Denoising strength 0.7-0.9 (yüksek = tam yeni)
6. Generate

9.2 Outpainting — Genişletme

Görsel sınırlarını dışa doğru genişletme:

• Scripts → Outpainting mk2 (A1111)
• Direction: Up/Down/Left/Right
• Pixels to expand: 256 / 512
• Generate → yeni alan eklenir

10.1 Hires Fix (A1111)

SD 1.5 ile 1024×1024 doğrudan üretmek bozuk sonuç verir. Hires Fix yolu:

1. İlk pass 512×512 üret
2. 2x upscale (Latent / R-ESRGAN / SwinIR)
3. İkinci pass denoising 0.5-0.7 ile rafine

10.2 Upscale Models

• R-ESRGAN 4x+ Anime6B: Anime için
• R-ESRGAN 4x+: Genel photoreal
• 4x-UltraSharp: Üstün kalite
• SwinIR 4x: Yumuşak upscale
• NMKD Siax: Detay artırma

10.3 ESRGAN+ Standalone

upscayl uygulaması veya chaiNNer node-based upscaling işi.

11.1 LoRA Eğitimi (Kohya_ss)

Nasıl Yapılır

LoRA Eğitimi (Kohya_ss)

1. 1

   Kohya_ss kur

   github.com/bmaltais/kohya_ss → setup.bat (Windows) veya setup.sh (Linux)

2. 2

   Dataset hazırla

   20-30 görsel (1024×1024 SDXL için). Aynı klasörde her görselin txt dosyası (caption). Trigger word seç (örn 'ZYXSTYLE').

3. 3

   Config

   GUI'de: dataset path, output, training steps (1500-3000), batch size (1-4, GPU'ya göre)

4. 4

   Network rank

   LoRA rank 32-64 (karakter), 128-256 (stil)

5. 5

   Eğit

   Start training. RTX 4090 ~30-60 dakika SDXL LoRA için

6. 6

   Test

   Output safetensors → A1111/ComfyUI models/Lora/. Prompt: 'ZYXSTYLE a cat'

11.2 DreamBooth (Full Fine-Tune)

LoRA yerine tüm modeli fine-tune — daha güçlü ama VRAM yoğun:

• Minimum 24GB VRAM (RTX 3090/4090)
• 4-8 saat training
• Sonuç: ~6GB checkpoint dosyası

11.3 Textual Inversion (Embeddings)

LoRA'dan önceki yaklaşım — küçük embedding (10-100KB) ile karakter/stil:

• Daha hızlı eğitim (15-30 dk)
• Daha sınırlı (sadece tek konsept)
• A1111 Train sekmesinde

12.1 xFormers

Memory-efficient attention. A1111 flag: --xformers. ComfyUI: pip install xformers.

Etkisi: %20-30 hız + %30-50 VRAM tasarrufu.

12.2 PyTorch 2.0+ scaled dot-product attention

--opt-sdp-attention flag. xFormers'tan biraz yavaş ama daha kararlı.

12.3 torch.compile

PyTorch 2.0+ ile model compile. ComfyUI'da custom node mevcut. İlk çalıştırma yavaş (warmup), sonraki çağrılar 30-50% hızlı.

12.4 TensorRT

NVIDIA TensorRT ile inference 2-3x hızlanır ama setup karmaşık. Production'da değerli.

12.5 LCM LoRA

Latent Consistency Model LoRA = 4-8 step ile 25-step kalitesi. SDXL için resmi LCM LoRA mevcut.

12.6 Hyper-SD

ByteDance'in 1-step inference LoRA'sı — saniyenin altında SDXL üretimi.

13.1 CUDA Out of Memory

Belirti: "CUDA out of memory"

Çözüm sırası:

1. Resolution düşür (1024 → 768)
2. Batch size 1
3. xFormers aktif (--xformers)
4. --medvram veya --lowvram
5. Browser'da diğer GPU-yoğun tab'ları kapat
6. NVIDIA driver güncel mi?
7. CUDA cache clear: F5 yenile

13.2 Black Image (Siyah Görsel)

Belirti: Üretim biter, görsel tamamen siyah

Sebep: NaN error (genelde FP16 sayısal taşma)

Çözüm:

• --no-half flag (FP32, yavaş ama doğru)
• --upcast-sampling
• VAE'yi farklı bir VAE ile değiştir
• Driver güncelle

13.3 Çift Kafa / Bozuk İnsan

Belirti: Bir görselde 2 kafa, 6 parmak, bozuk anatomi

Sebep: Yanlış çözünürlük + zayıf model

Çözüm:

• SD 1.5'te 512×512 native kal (1024 üretirsen bozuk)
• Hires Fix kullan
• Daha iyi model (Realistic Vision, Juggernaut XL)
• Negative prompt: "deformed, extra fingers, mutated"
• ADetailer eklentisi (otomatik yüz/el düzeltme)

13.4 Renkler Soluk / Doymuş

Çözüm:

• VAE doğru mu? (SDXL için sdxl_vae)
• CFG düşür (8 → 6)
• VAE'yi external ile değiştir

13.5 Modeli Yüklemiyor

Belirti: "Failed to load checkpoint"

Çözüm:

• Dosya bozuk mu? (hash kontrol)
• models/Stable-diffusion/ klasöründe mi?
• A1111 Settings → Reload UI

13.6 İnternet Bağlantısı Sorunları

İlk kurulumda HuggingFace'den otomatik indirme. Türkiye'den hızlandırma:

• VPN (Cloudflare WARP — ücretsiz, hızlı)
• Mirror sites (HF mirror — Çin mirror'lar bazen Türkiye'de hızlı)

13.7 Eklenti Çakışması

Belirti: Yeni eklenti sonrası A1111 başlamıyor

Çözüm:

• --disable-extra-extensions flag ile başlat
• extensions/ klasörden sorunlu eklentiyi sil
• A1111 update et

13.8 Türkçe Prompt İşe Yaramıyor

SD modelleri (FLUX hariç) İngilizce eğitildi. Türkçe prompt sınırlı çalışır. Çözüm: ChatGPT/Claude ile İngilizce'ye çevir + detay ekle.

Tanım

CivitAI

2022'de kurulan, Stable Diffusion topluluk modelleri için dünyada en büyük platform. 200K+ checkpoint, 50K+ LoRA, embeddings, ControlNet, VAE. Kullanıcılar model yükler, başka kullanıcılar indirir + rate eder. CivitAI Generator web tabanlı üretim de sunar (ücretsiz/tier'lı).

14.1 CivitAI Kullanımı

• civitai.com hesap aç
• Browse Models → filter (SDXL, photoreal, anime, vb.)
• Sort: Most downloaded / Highest rated
• Model detay sayfasından safetensors indir → A1111/ComfyUI models klasörüne

14.2 CivitAI Best Practices

• Modelin LATEST versiyonunu kontrol et (eski versiyonu bazen daha iyi)
• Model'in "Trigger Words" listesini oku — bazı modeller için zorunlu
• Recommended Settings (sampler, CFG, steps) önerilerini uygula
• Other Users' images karşılaştır

14.3 KVKK ve CivitAI

CivitAI'de bazı modeller NSFW veya ünlü kişi LoRA. Bu modelleri kurumsal sunucuda kullanmak hukuki risk:

• Kurumsal sunucuda: sadece SFW + non-celebrity modeller indir
• Filtre: Family-friendly toggle
• Self-host kurumsal sunucuda: dahili moderasyon politikası

15.1 Kurumsal Self-Host Senaryosu

10 kişilik marketing ekibi:

• 1× RTX 4090 workstation (~₺75K)
• 1× Ubuntu Linux server
• ComfyUI server mode (--listen flag)
• Tüm ekip browser'dan internal IP'ye bağlanır
• Aylık: ~₺500 elektrik
• Karşılaştırma: 10× Midjourney Pro = $600/ay × 12 ay = $7200/yıl ≈ ₺240K/yıl
• ROI: 3-5 ay

15.2 Air-Gapped Kurulum

Banka/savunma için tam izole:

• Network adaptör kapalı server
• Modeller offline indirilip USB ile transfer
• ComfyUI tamamen lokal
• Workstation'da hot wallet erişimi yok

16.1 Server Setup (Multi-User)

A1111/ComfyUI'yı server gibi çalıştırma:

• --listen flag (0.0.0.0)
• --api flag (REST API endpoint)
• nginx reverse proxy ile SSL + auth
• Aynı GPU'da queue management

16.2 Batch Üretim Otomasyon

A1111 API ile Python script:

batch_generate.py: requests library ile localhost:7860/sdapi/v1/txt2img endpoint'ine 100 prompt POST eder.

16.3 GPU Cluster

Birden çok GPU ile paralel batch:

• ComfyUI Multi-GPU custom nodes
• vLLM benzeri serving (SD için Diffusers-based)

Pro İpuçları

İpucu	Detay
1	DPM++ 2M Karras 25 step default — çoğu durumda yeterli
2	SDXL için sdxl_vae.safetensors ZORUNLU
3	ADetailer eklentisi yüz/el düzeltir — life-saver
4	Regional Prompter eklentisi: farklı alanlara farklı prompt
5	xFormers + opt-sdp-attention birlikte aktif olmaz, biri seç
6	Civitai resmi 'helper' eklentisi A1111'e model otomatik etiketleme
7	LoRA strength 0.6-0.8 sweet spot — 1.0 abartı
8	Birden çok LoRA: weighted blend toplam 1.5'i aşmasın
9	Negative prompt için BadDream / EasyNegative embedding kullan
10	Hires Fix denoising 0.5-0.7 (yüksek = tam yeniden)
11	Refiner (SDXL): 0.7-0.85 noise switch — son %20 detay
12	Img2img denoising 0.3-0.5 (hafif değişim), 0.6-0.8 (büyük değişim)
13	Prompt'ta önceki kelime daha ağırlık taşır — önemli detay öne
14	(kelime:1.3) syntax ile ağırlık vermek mümkün
15	[kelime:adım] syntax ile belirli step'e kadar etkin tut
16	BREAK keyword ile prompt'ı bölmek — uzun prompt için CLIP 75 token reset
17	ControlNet weight 0.5-1.0 — düşük = yumuşak rehber
18	Aspect ratio bucket'lara uy (SDXL 1216×832 OK ama 1300×800 bozuk)
19	Seed'i kaydet — beğenilen görseli reproduce için
20	Generation Info'yu kaydet — sonraki üretim için template
21	TIs/embeddings hala yararlı — 'easynegative' negative prompt için
22	ComfyUI'da workflow JSON paylaşımı — başkasının workflow'ını drag-drop
23	FreeU eklentisi: detay artışı ekstra step gerekmeden
24	Hyper-SD LoRA: 1-2 step inference
25	LCM LoRA: 4-8 step inference
26	Custom Sampler Schedule (Karras, exponential, polyexponential) deneyin
27	Output klasörünü düzenli yedek al — kaybetmek istemezsin

Soru: SD 1.5 mi SDXL mi başlamalıyım?

Soru: A1111 mi ComfyUI mı?

Yeni başlayan: A1111 (kolay UI). Profesyonel + FLUX: ComfyUI. İdeal: ikisini de öğrenin, projeye göre seçin.

Soru: Türkçe destek var mı?

A1111/ComfyUI UI sadece İngilizce. Prompt için Türkçe sınırlı çalışır (T5-XXL kullanan FLUX hariç). ChatGPT ile İngilizce'ye çevirin.

Soru: Hangi sampler en iyi?

DPM++ 2M Karras — %90 senaryoda doğru cevap. Hız için Euler a, yüksek kalite için DPM++ 3M SDE.

Soru: VRAM yeterli mi?

• 6GB: SD 1.5 OK, SDXL zor
• 8GB: SD 1.5 hızlı, SDXL --medvram
• 12GB: SDXL native, FLUX Q4
• 16GB: SDXL + LoRA bol, FLUX Q8
• 24GB: Hepsi rahat, batch üretim

Soru: Mac'te ne kadar yavaş?

M1 Max ≈ RTX 2070 (yavaş). M3 Max ≈ RTX 3070 (orta). M3 Ultra ≈ RTX 4070 (iyi). Sessiz + taşınabilir ama hız RTX 4090'a kıyasla 3-5x yavaş.

Soru: SD ile ticari kullanım yasal mı?

SD 1.5/SDXL CreativeML OpenRAIL-M lisansı — ticari OK. SD 3.5 Stability AI Community License (gelir $1M altı serbest). FLUX Schnell Apache 2.0 — tam ticari. FLUX Dev non-commercial.

Soru: NSFW kullanabilir miyim?

Topluluk modelleri (CivitAI'de) NSFW destekli. Kurumsal sunucuda hukuki/etik risk — kişisel kullanım dışında dikkat. Türk Borçlar Kanunu + Reklam etik kurallarına uy.

Soru: ControlNet zorunlu mu?

Hayır ama profesyonel için önerilir. Yapısal kontrol (pose, perspektif, kompozisyon) için vazgeçilmez.

Soru: LoRA'ları nasıl eğitirim?

Kohya_ss GUI ile en kolay. 20-30 görsel + 30-60 dk RTX 4090 eğitim. AI Toolkit (Ostris) FLUX için.

Soru: Hangi eklenti ilk yüklemeli?

A1111 için: ControlNet, ADetailer, Civitai Helper, Regional Prompter, sd-webui-rembg.

Soru: SD'yi REST API ile kullanabilir miyim?

A1111: --api flag, localhost:7860/docs (Swagger). ComfyUI: WebSocket API + workflow JSON POST.

Soru: TensorRT ne kadar değer?

NVIDIA TensorRT 2-3x inference hızlandırma. Production'da değerli, geliştirme için karmaşık.

Soru: Cloud GPU mi yerel mi?

İlk denemeler için Colab/Replicate. Düzenli kullanım için yerel donanım. Yoğun (1000+ görsel/ay) için RTX 4090 yatırımı 6 ayda amortize.

Soru: SD'nin geleceği nedir?

SD 1.5 olgunluk, SDXL standart, SD 3.5 yeni nesil, FLUX rakip. Stability AI 2024'te zorlu dönem geçirdi ama 2025'te toparlandı. 2026-2027'de SD 4 (rumored) bekleniyor.

3 ana çıkarım:

1. Stable Diffusion yerel kurulum, AI görsel üretiminde maliyet + KVKK + esneklik için altın standart. Türk şirketleri için stratejik yatırım.
2. Donanım yatırımı 6-12 ayda Midjourney/DALL-E maliyetinden tasarruf eder. RTX 3060 12GB (giriş, ₺9K) → RTX 4090 24GB (lider, ₺60K).
3. UI seçimi profile bağlı: A1111 (yeni başlayan), ComfyUI (profesyonel), Fooocus (basit).

İlk 30 dakika önerilen adımlar:

1. Donanımını kontrol et (NVIDIA GPU + VRAM)
2. Python 3.10.6 + Git kur
3. A1111 clone ve ilk model (SD 1.5) indir
4. webui-user.bat çalıştır
5. İlk prompt: "a cat sitting in a Turkish garden, photographic"
6. Sampler DPM++ 2M Karras, 25 step, CFG 7
7. İlk görseli üret, parametre dene

İlk hafta için:

• SDXL'e geç + Juggernaut XL veya DreamShaper XL indir
• 50+ prompt + parametre denemesi
• ControlNet kur + canny ile yapı kontrolü dene
• 5+ LoRA indir + dene
• CivitAI ekosistemini keşfet

İlk ay için:

• ComfyUI kur (workflow JSON paylaşılabilir)
• ADetailer + Regional Prompter eklenti
• LoRA fine-tune (kendi karakter/stil)
• API entegrasyonu (Python script ile batch)
• Photoshop pipeline (SD + retouch)

İlk 6 ay için (kurumsal):

• Server-mode SD (multi-user)
• KVKK risk değerlendirme + DPA
• LoRA library kurumsal (brand-specific)
• Maliyet izleme + Midjourney karşılaştırma
• Personel eğitimi (3-5 saatlik workshop)

Kaynaklar

1. Stable Diffusion — Stability AI, Stability AI · 2026
2. Automatic1111 WebUI — AUTOMATIC1111, GitHub · 2026
3. ComfyUI — ComfyAnonymous, GitHub · 2026
4. Forge UI — lllyasviel, GitHub · 2026
5. Fooocus — lllyasviel, GitHub · 2026
6. InvokeAI — InvokeAI, GitHub · 2026
7. CivitAI — CivitAI, CivitAI · 2026
8. Hugging Face Diffusers — Hugging Face, Hugging Face · 2026
9. ControlNet Paper — Zhang, Rao, Agrawala, arXiv · 2023
10. LoRA Paper — Hu et al., arXiv · 2021
11. Kohya_ss GUI — bmaltais, GitHub · 2026
12. AI Toolkit — Ostris, GitHub · 2026
13. Stability AI Latent Diffusion Paper — Rombach et al., arXiv · 2022