# Stable Diffusion Yerel Kurulum 2026: Sıfırdan Profesyonel Türkçe Derin Rehber

> Source: https://sukruyusufkaya.com/blog/stable-diffusion-yerel-kurulum-rehberi
> Updated: 2026-08-23T23:52:30.142Z
> Type: blog
> Category: yapay-zeka
**TLDR:** Stable Diffusion yerel (lokal) kurulum için derin teknik rehber: GPU seçimi (NVIDIA, AMD, Apple M-series, Intel Arc), Windows/macOS/Linux platform-spesifik adımlar, 3 ana UI karşılaştırması (Automatic1111 olgun, ComfyUI profesyonel, Forge optimize, Fooocus basit, SD.Next gelişmiş), model dosyaları (SD 1.5, SDXL, SD 3.5, FLUX, Pony Diffusion), VAE setup, sampler (Euler a, DPM++ 2M Karras, UniPC) detaylı açıklama, CFG scale + denoising strength, LoRA + ControlNet + IP-Adapter kurulum, inpainting/outpainting workflow, CivitAI ekosistemi, Dreambooth/LoRA fine-tune, OOM/CUDA/Black image troubleshooting, performance optimization (xFormers, FlashAttention, torch.compile), KVKK self-host security, 25+ pratik tip.

<tldr data-summary="[&#34;Stable Diffusion yerel kurulum, ücretsiz + KVKK %100 uyumlu + sınırsız üretim sunar — Türk şirketleri için Midjourney/DALL-E maliyetinin %1ine sektör-rakip görsel üretim mümkün.&#34;,&#34;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.&#34;,&#34;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).&#34;,&#34;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).&#34;,&#34;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).&#34;,&#34;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).&#34;,&#34;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.&#34;]" data-one-line="Stable Diffusion yerel kurulum, RTX 3060+ donanım + Automatic1111/ComfyUI ile ücretsiz + KVKK %100 + sınırsız profesyonel görsel üretim sağlar."></tldr>

## 1. Giriş: Neden Yerel Kurulum?

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:

<comparison-table data-caption="Yerel SD vs Bulut Servisler" data-headers="[&#34;Boyut&#34;,&#34;Yerel SD&#34;,&#34;Bulut (Midjourney/DALL-E)&#34;]" data-rows="[{&#34;feature&#34;:&#34;Görsel başına maliyet&#34;,&#34;values&#34;:[&#34;~₺0.10 elektrik&#34;,&#34;₺1-3&#34;]},{&#34;feature&#34;:&#34;Aylık 5000 görsel maliyet&#34;,&#34;values&#34;:[&#34;~₺500 elektrik&#34;,&#34;₺5000-15000&#34;]},{&#34;feature&#34;:&#34;KVKK uyum&#34;,&#34;values&#34;:[&#34;%100 uyum (veri içeride)&#34;,&#34;Risk (yurt dışı transfer)&#34;]},{&#34;feature&#34;:&#34;Sansür&#34;,&#34;values&#34;:[&#34;Topluluk modelleri serbest&#34;,&#34;Sıkı (NSFW, ünlü, marka yasaklı)&#34;]},{&#34;feature&#34;:&#34;Özelleştirme&#34;,&#34;values&#34;:[&#34;LoRA + ControlNet + custom checkpoint&#34;,&#34;Çok sınırlı&#34;]},{&#34;feature&#34;:&#34;Hız&#34;,&#34;values&#34;:[&#34;Donanıma bağlı (5-60 sn)&#34;,&#34;Bulut latency (8-50 sn)&#34;]},{&#34;feature&#34;:&#34;Üretim sınırı&#34;,&#34;values&#34;:[&#34;YOK&#34;,&#34;Aylık quota / fair use&#34;]},{&#34;feature&#34;:&#34;Internet bağımlılığı&#34;,&#34;values&#34;:[&#34;YOK&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Lisans&#34;,&#34;values&#34;:[&#34;Modele göre (çoğu MIT/Apache/CreativeML OpenRAIL)&#34;,&#34;Tier&#39;a göre ticari sınır&#34;]},{&#34;feature&#34;:&#34;Ekosistem&#34;,&#34;values&#34;:[&#34;100K+ CivitAI model + LoRA&#34;,&#34;Sınırlı&#34;]}]"></comparison-table>

<stat-callout data-value="100K+" data-context="CivitAI'da paylaşılan SD checkpoint + LoRA sayısı (2026)" data-source="{&#34;label&#34;:&#34;CivitAI istatistikleri&#34;}"></stat-callout>

<stat-callout data-value="₺2K-30K" data-context="Donanım yatırımı aralığı (RTX 3060 → RTX 4090)" data-source="{&#34;label&#34;:&#34;Türkiye 2026 fiyat aralığı&#34;}"></stat-callout>

## 2. Donanım Seçimi — Detaylı Karar Rehberi

### 2.1 NVIDIA GPU Hiyerarşisi

<comparison-table data-caption="NVIDIA GPU Performans (SDXL 1024×1024, 30 step)" data-headers="[&#34;GPU&#34;,&#34;VRAM&#34;,&#34;SDXL Hız&#34;,&#34;FLUX Hız&#34;,&#34;Fiyat (₺)&#34;,&#34;Notlar&#34;]" data-rows="[{&#34;feature&#34;:&#34;GTX 1060&#34;,&#34;values&#34;:[&#34;6GB&#34;,&#34;60-90 sn&#34;,&#34;Çalışmaz&#34;,&#34;₺2K (2.el)&#34;,&#34;Sadece SD 1.5&#34;]},{&#34;feature&#34;:&#34;GTX 1660 Super&#34;,&#34;values&#34;:[&#34;6GB&#34;,&#34;45-70 sn&#34;,&#34;Çalışmaz&#34;,&#34;₺3K&#34;,&#34;SD 1.5 OK&#34;]},{&#34;feature&#34;:&#34;RTX 2060&#34;,&#34;values&#34;:[&#34;6GB&#34;,&#34;30-50 sn&#34;,&#34;NF4 (60 sn)&#34;,&#34;₺4-5K&#34;,&#34;Eşik&#34;]},{&#34;feature&#34;:&#34;RTX 3060 12GB&#34;,&#34;values&#34;:[&#34;12GB&#34;,&#34;20-30 sn&#34;,&#34;Q4 (40 sn)&#34;,&#34;₺8-9K&#34;,&#34;ÖNERILEN giriş&#34;]},{&#34;feature&#34;:&#34;RTX 3070&#34;,&#34;values&#34;:[&#34;8GB&#34;,&#34;15-25 sn&#34;,&#34;NF4 (30 sn)&#34;,&#34;₺9-11K&#34;,&#34;VRAM dar&#34;]},{&#34;feature&#34;:&#34;RTX 3080 10GB&#34;,&#34;values&#34;:[&#34;10GB&#34;,&#34;12-20 sn&#34;,&#34;NF4 (25 sn)&#34;,&#34;₺12K (2.el)&#34;,&#34;İyi seçim&#34;]},{&#34;feature&#34;:&#34;RTX 3090 24GB&#34;,&#34;values&#34;:[&#34;24GB&#34;,&#34;8-15 sn&#34;,&#34;Q8 (15 sn)&#34;,&#34;₺18-22K&#34;,&#34;FLUX full&#34;]},{&#34;feature&#34;:&#34;RTX 4060 Ti 16GB&#34;,&#34;values&#34;:[&#34;16GB&#34;,&#34;10-18 sn&#34;,&#34;Q8 (20 sn)&#34;,&#34;₺13-15K&#34;,&#34;Modern dengeli&#34;]},{&#34;feature&#34;:&#34;RTX 4070&#34;,&#34;values&#34;:[&#34;12GB&#34;,&#34;8-15 sn&#34;,&#34;Q4 (15 sn)&#34;,&#34;₺18-20K&#34;,&#34;Modern hızlı&#34;]},{&#34;feature&#34;:&#34;RTX 4070 Ti Super&#34;,&#34;values&#34;:[&#34;16GB&#34;,&#34;6-12 sn&#34;,&#34;Q8 (12 sn)&#34;,&#34;₺25-28K&#34;,&#34;Sweet spot&#34;]},{&#34;feature&#34;:&#34;RTX 4080&#34;,&#34;values&#34;:[&#34;16GB&#34;,&#34;5-10 sn&#34;,&#34;Q8 (10 sn)&#34;,&#34;₺35-40K&#34;,&#34;Premium&#34;]},{&#34;feature&#34;:&#34;RTX 4090&#34;,&#34;values&#34;:[&#34;24GB&#34;,&#34;3-8 sn&#34;,&#34;FP16 (10 sn)&#34;,&#34;₺55-65K&#34;,&#34;Lider tüketici&#34;]},{&#34;feature&#34;:&#34;RTX 5090&#34;,&#34;values&#34;:[&#34;32GB&#34;,&#34;2-5 sn&#34;,&#34;FP16 (5 sn)&#34;,&#34;₺85K+&#34;,&#34;2025 flagship&#34;]}]"></comparison-table>

### 2.2 Donanım Karar Akışı

<comparison-table data-caption="Senaryo → Önerilen GPU" data-headers="[&#34;Senaryo&#34;,&#34;Önerilen GPU&#34;,&#34;Maliyet (₺)&#34;]" data-rows="[{&#34;feature&#34;:&#34;Hobby + öğrenme&#34;,&#34;values&#34;:[&#34;RTX 3060 12GB&#34;,&#34;8-9K&#34;]},{&#34;feature&#34;:&#34;Solo içerik üretici&#34;,&#34;values&#34;:[&#34;RTX 4060 Ti 16GB&#34;,&#34;13-15K&#34;]},{&#34;feature&#34;:&#34;Yarı-pro freelance&#34;,&#34;values&#34;:[&#34;RTX 4070 Ti Super&#34;,&#34;25-28K&#34;]},{&#34;feature&#34;:&#34;KOBİ kreatif takım&#34;,&#34;values&#34;:[&#34;RTX 4090&#34;,&#34;55-65K&#34;]},{&#34;feature&#34;:&#34;Stüdyo / agency&#34;,&#34;values&#34;:[&#34;2× RTX 4090 (paralel batch)&#34;,&#34;110-130K&#34;]},{&#34;feature&#34;:&#34;Kurumsal banka/sağlık&#34;,&#34;values&#34;:[&#34;1× A100 80GB&#34;,&#34;Custom (~₺500K+)&#34;]}]"></comparison-table>

### 2.3 AMD ve Intel GPU Durumu

<callout-box data-variant="warning" data-title="AMD/Intel kullanıcısı dikkat">

Stable Diffusion ekosisteminin %90'ı CUDA (NVIDIA) için optimize edildi. AMD ROCm desteği var ama Windows'ta sorunlu, Linux'ta orta. Intel Arc XPU desteği yeni başladı. Eğer ciddi SD kullanımı planlıyorsan: NVIDIA tercih edin. AMD/Intel ile ComfyUI çalışır ama ekstra kurulum, daha az LoRA/ControlNet uyumu.

</callout-box>

**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. Üç Ana UI Detaylı Karşılaştırması

### 3.1 Automatic1111 (Stable Diffusion WebUI)

<definition-box data-term="Automatic1111" data-definition="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."></definition-box>

**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

<definition-box data-term="ComfyUI" data-definition="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."></definition-box>

**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

<comparison-table data-caption="UI Karar Matrisi" data-headers="[&#34;Kullanıcı Profili&#34;,&#34;Tavsiye&#34;]" data-rows="[{&#34;feature&#34;:&#34;Yeni başlayan + SD 1.5/SDXL&#34;,&#34;values&#34;:[&#34;Automatic1111&#34;]},{&#34;feature&#34;:&#34;Geliştirici olmayan + hızlı&#34;,&#34;values&#34;:[&#34;Fooocus&#34;]},{&#34;feature&#34;:&#34;Profesyonel + FLUX/SD3&#34;,&#34;values&#34;:[&#34;ComfyUI&#34;]},{&#34;feature&#34;:&#34;A1111 alışkın + hız&#34;,&#34;values&#34;:[&#34;Forge UI&#34;]},{&#34;feature&#34;:&#34;Power user + multi-model&#34;,&#34;values&#34;:[&#34;SD.Next&#34;]},{&#34;feature&#34;:&#34;Kurumsal&#34;,&#34;values&#34;:[&#34;InvokeAI&#34;]},{&#34;feature&#34;:&#34;Mac M-series&#34;,&#34;values&#34;:[&#34;Draw Things veya ComfyUI&#34;]}]"></comparison-table>

## 4. Adım Adım Kurulum — Automatic1111 Windows

### 4.1 Önkoşullar

<howto-steps data-name="A1111 Kurulum Önkoşulları (Windows 10/11)" data-steps="[{&#34;name&#34;:&#34;Python 3.10.6 kur&#34;,&#34;text&#34;:&#34;python.org/downloads/release/python-3106 → Windows installer (64-bit). Kurulum sırasında 'Add Python to PATH' İŞARETLE.&#34;},{&#34;name&#34;:&#34;Git kur&#34;,&#34;text&#34;:&#34;git-scm.com/download/win → Windows installer, varsayılan ayarlar.&#34;},{&#34;name&#34;:&#34;NVIDIA driver güncel mi?&#34;,&#34;text&#34;:&#34;nvidia.com/Download/index.aspx → Studio Driver (en güncel). Kurulum sonrası reboot.&#34;},{&#34;name&#34;:&#34;CUDA Toolkit (opsiyonel ama önerilir)&#34;,&#34;text&#34;:&#34;CUDA 12.1+ — developer.nvidia.com/cuda-downloads → Windows local installer.&#34;}]"></howto-steps>

### 4.2 A1111 İndirme ve Kurulum

<howto-steps data-name="Automatic1111 Kurulum" data-steps="[{&#34;name&#34;:&#34;Repo clone&#34;,&#34;text&#34;:&#34;Boş klasörde (örn C:\\AI\\) PowerShell: git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git&#34;},{&#34;name&#34;:&#34;Model indir (SD 1.5 başlangıç)&#34;,&#34;text&#34;:&#34;huggingface.co/runwayml/stable-diffusion-v1-5 → v1-5-pruned.safetensors (4.2GB) → stable-diffusion-webui/models/Stable-diffusion/&#34;},{&#34;name&#34;:&#34;İlk çalıştır&#34;,&#34;text&#34;:&#34;stable-diffusion-webui klasöründe webui-user.bat çift tık. PyTorch + Diffusers otomatik kurulur (~10-20 dakika ilk seferde).&#34;},{&#34;name&#34;:&#34;Browser&#34;,&#34;text&#34;:&#34;Otomatik tarayıcı açılır: 127.0.0.1:7860&#34;},{&#34;name&#34;:&#34;İlk prompt&#34;,&#34;text&#34;:&#34;Prompt kutusuna: 'a cat sitting in a Turkish garden, warm sunset light, photographic'. Generate. ~20-30 sn (RTX 3060) sonra ilk görsel.&#34;}]"></howto-steps>

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

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

<comparison-table data-caption="A1111 Performans Flag" data-headers="[&#34;Flag&#34;,&#34;İşlev&#34;]" data-rows="[{&#34;feature&#34;:&#34;--xformers&#34;,&#34;values&#34;:[&#34;xFormers memory-efficient attention (önerilir)&#34;]},{&#34;feature&#34;:&#34;--medvram&#34;,&#34;values&#34;:[&#34;12GB altı VRAM için&#34;]},{&#34;feature&#34;:&#34;--lowvram&#34;,&#34;values&#34;:[&#34;6-8GB VRAM için (yavaş)&#34;]},{&#34;feature&#34;:&#34;--no-half&#34;,&#34;values&#34;:[&#34;Sayısal sorun varsa (yavaş)&#34;]},{&#34;feature&#34;:&#34;--opt-sdp-attention&#34;,&#34;values&#34;:[&#34;PyTorch 2.0+ scaled dot-product attention&#34;]},{&#34;feature&#34;:&#34;--upcast-sampling&#34;,&#34;values&#34;:[&#34;Bazı GPU&#39;larda kalite + stabil&#34;]},{&#34;feature&#34;:&#34;--api&#34;,&#34;values&#34;:[&#34;REST API endpoint aktif (otomasyon için)&#34;]},{&#34;feature&#34;:&#34;--listen&#34;,&#34;values&#34;:[&#34;Network içinde başkalarına aç&#34;]},{&#34;feature&#34;:&#34;--share&#34;,&#34;values&#34;:[&#34;Gradio public share (DİKKAT — public)&#34;]}]"></comparison-table>

Tipik power user flag: <code>COMMANDLINE_ARGS=--xformers --opt-sdp-attention --api</code>

### 4.4 macOS Apple Silicon

<howto-steps data-name="A1111 Mac M-series Kurulum" data-steps="[{&#34;name&#34;:&#34;Homebrew kur&#34;,&#34;text&#34;:&#34;Terminal: /bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)&#34;},{&#34;name&#34;:&#34;Dependencies&#34;,&#34;text&#34;:&#34;brew install cmake protobuf rust python@3.10 git wget&#34;},{&#34;name&#34;:&#34;A1111 clone&#34;,&#34;text&#34;:&#34;git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/stable-diffusion-webui&#34;},{&#34;name&#34;:&#34;Model indir&#34;,&#34;text&#34;:&#34;v1-5-pruned.safetensors → ~/stable-diffusion-webui/models/Stable-diffusion/&#34;},{&#34;name&#34;:&#34;Çalıştır&#34;,&#34;text&#34;:&#34;cd ~/stable-diffusion-webui && ./webui.sh&#34;},{&#34;name&#34;:&#34;Mac-specific args&#34;,&#34;text&#34;:&#34;Flag ekle: --no-half --use-cpu interrogate (M1/M2 için, M3+'ta gerek yok)&#34;}]"></howto-steps>

### 4.5 Linux Ubuntu

<howto-steps data-name="A1111 Ubuntu 22.04 Kurulum" data-steps="[{&#34;name&#34;:&#34;Dependencies&#34;,&#34;text&#34;:&#34;sudo apt update && sudo apt install -y python3.10 python3.10-venv python3-pip git curl&#34;},{&#34;name&#34;:&#34;NVIDIA driver&#34;,&#34;text&#34;:&#34;sudo ubuntu-drivers autoinstall && reboot&#34;},{&#34;name&#34;:&#34;CUDA&#34;,&#34;text&#34;:&#34;NVIDIA resmi CUDA repo'dan en son sürüm kurulum&#34;},{&#34;name&#34;:&#34;A1111&#34;,&#34;text&#34;:&#34;git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git && cd stable-diffusion-webui&#34;},{&#34;name&#34;:&#34;Model&#34;,&#34;text&#34;:&#34;Yukarıdaki gibi model dosyasını models/Stable-diffusion/ koy&#34;},{&#34;name&#34;:&#34;Çalıştır&#34;,&#34;text&#34;:&#34;./webui.sh — otomatik venv + pip install&#34;}]"></howto-steps>

## 5. ComfyUI Kurulum — Profesyonel Yol

### 5.1 Windows Portable

<howto-steps data-name="ComfyUI Windows Portable Kurulum" data-steps="[{&#34;name&#34;:&#34;İndir&#34;,&#34;text&#34;:&#34;github.com/comfyanonymous/ComfyUI/releases → ComfyUI_windows_portable.7z (~1.5GB)&#34;},{&#34;name&#34;:&#34;7-Zip ile çıkart&#34;,&#34;text&#34;:&#34;C:\\AI\\ComfyUI_windows_portable\\&#34;},{&#34;name&#34;:&#34;Manager kur (zorunlu)&#34;,&#34;text&#34;:&#34;PowerShell: cd C:\\AI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes && git clone https://github.com/Comfy-Org/ComfyUI-Manager&#34;},{&#34;name&#34;:&#34;Model yerleştir&#34;,&#34;text&#34;:&#34;v1-5-pruned.safetensors → ComfyUI\\models\\checkpoints\\&#34;},{&#34;name&#34;:&#34;Çalıştır&#34;,&#34;text&#34;:&#34;run_nvidia_gpu.bat çift tık. Browser otomatik: 127.0.0.1:8188&#34;},{&#34;name&#34;:&#34;Default workflow&#34;,&#34;text&#34;:&#34;Drag-drop: github.com/comfyanonymous/ComfyUI_examples/blob/master/sd_basic/workflow.json&#34;}]"></howto-steps>

### 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. Model Ekosistemi — Hangi Checkpoint?

### 6.1 Ana Model Aileleri

<comparison-table data-caption="SD Model Aileleri" data-headers="[&#34;Model&#34;,&#34;Çıkış&#34;,&#34;Çözünürlük&#34;,&#34;Boyut&#34;,&#34;Özellik&#34;]" data-rows="[{&#34;feature&#34;:&#34;SD 1.5&#34;,&#34;values&#34;:[&#34;Ekim 2022&#34;,&#34;512×512&#34;,&#34;4GB&#34;,&#34;100K+ fine-tune&#34;]},{&#34;feature&#34;:&#34;SD 2.1&#34;,&#34;values&#34;:[&#34;Aralık 2022&#34;,&#34;768×768&#34;,&#34;5GB&#34;,&#34;Az kullanılır&#34;]},{&#34;feature&#34;:&#34;SDXL 1.0&#34;,&#34;values&#34;:[&#34;Temmuz 2023&#34;,&#34;1024×1024&#34;,&#34;6.6GB&#34;,&#34;Geniş benimsenme&#34;]},{&#34;feature&#34;:&#34;SDXL Turbo&#34;,&#34;values&#34;:[&#34;Kasım 2023&#34;,&#34;512×512&#34;,&#34;6GB&#34;,&#34;1-step fast&#34;]},{&#34;feature&#34;:&#34;SD 3.0 / 3.5&#34;,&#34;values&#34;:[&#34;2024&#34;,&#34;1024×1024&#34;,&#34;8GB+&#34;,&#34;Yeni mimari, daha sıkı lisans&#34;]},{&#34;feature&#34;:&#34;SD 3.5 Large&#34;,&#34;values&#34;:[&#34;Ekim 2024&#34;,&#34;1024×1024&#34;,&#34;16GB&#34;,&#34;MMDiT mimari, 8B param&#34;]},{&#34;feature&#34;:&#34;FLUX.1 Schnell&#34;,&#34;values&#34;:[&#34;Ağu 2024&#34;,&#34;1024×1024&#34;,&#34;23.8GB&#34;,&#34;Apache 2.0 ticari&#34;]},{&#34;feature&#34;:&#34;FLUX.1 Dev&#34;,&#34;values&#34;:[&#34;Ağu 2024&#34;,&#34;1024×1024&#34;,&#34;23.8GB&#34;,&#34;Non-commercial&#34;]},{&#34;feature&#34;:&#34;Stable Cascade&#34;,&#34;values&#34;:[&#34;Şubat 2024&#34;,&#34;1024×1024&#34;,&#34;6GB&#34;,&#34;Hızlı, az kullanılır&#34;]}]"></comparison-table>

### 6.2 Popüler Fine-Tune'lar (Topluluk)

<comparison-table data-caption="Popüler SD Fine-Tune'lar" data-headers="[&#34;Model&#34;,&#34;Base&#34;,&#34;Stil&#34;,&#34;Kullanım&#34;]" data-rows="[{&#34;feature&#34;:&#34;Realistic Vision&#34;,&#34;values&#34;:[&#34;SD 1.5&#34;,&#34;Photoreal&#34;,&#34;Portre + insan&#34;]},{&#34;feature&#34;:&#34;DreamShaper&#34;,&#34;values&#34;:[&#34;SD 1.5/SDXL&#34;,&#34;Genel&#34;,&#34;Çok yönlü&#34;]},{&#34;feature&#34;:&#34;Juggernaut XL&#34;,&#34;values&#34;:[&#34;SDXL&#34;,&#34;Photoreal&#34;,&#34;Profesyonel kalite&#34;]},{&#34;feature&#34;:&#34;Pony Diffusion V6&#34;,&#34;values&#34;:[&#34;SDXL&#34;,&#34;Anime + cartoon&#34;,&#34;NSFW + non-NSFW&#34;]},{&#34;feature&#34;:&#34;Illustrious XL&#34;,&#34;values&#34;:[&#34;SDXL&#34;,&#34;Anime&#34;,&#34;Modern anime&#34;]},{&#34;feature&#34;:&#34;Animagine XL&#34;,&#34;values&#34;:[&#34;SDXL&#34;,&#34;Anime&#34;,&#34;NSFW anime&#34;]},{&#34;feature&#34;:&#34;NoobAI-XL&#34;,&#34;values&#34;:[&#34;SDXL&#34;,&#34;Anime&#34;,&#34;Yeni 2025&#34;]},{&#34;feature&#34;:&#34;Reliberate&#34;,&#34;values&#34;:[&#34;SD 1.5&#34;,&#34;Photoreal&#34;,&#34;Sanatsal photoreal&#34;]},{&#34;feature&#34;:&#34;epicRealism&#34;,&#34;values&#34;:[&#34;SD 1.5&#34;,&#34;Photoreal&#34;,&#34;Foto detay&#34;]},{&#34;feature&#34;:&#34;Counterfeit&#34;,&#34;values&#34;:[&#34;SD 1.5&#34;,&#34;Anime&#34;,&#34;Eski klasik&#34;]},{&#34;feature&#34;:&#34;CyberRealistic&#34;,&#34;values&#34;:[&#34;SD 1.5&#34;,&#34;Photoreal&#34;,&#34;Sci-fi + portre&#34;]}]"></comparison-table>

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: <code>models/VAE/</code> klasörü. A1111 Settings'te varsayılan VAE seçimi.

## 7. Anahtar Parametreler Detaylı

### 7.1 Sampler — Hangisini Seçmeli?

<comparison-table data-caption="Sampler Karşılaştırması" data-headers="[&#34;Sampler&#34;,&#34;Step&#34;,&#34;Kalite&#34;,&#34;Hız&#34;,&#34;Use-Case&#34;]" data-rows="[{&#34;feature&#34;:&#34;Euler a&#34;,&#34;values&#34;:[&#34;20-25&#34;,&#34;İyi&#34;,&#34;Hızlı&#34;,&#34;Hızlı prototip&#34;]},{&#34;feature&#34;:&#34;Euler&#34;,&#34;values&#34;:[&#34;20-30&#34;,&#34;İyi&#34;,&#34;Hızlı&#34;,&#34;Klasik&#34;]},{&#34;feature&#34;:&#34;DPM++ 2M Karras&#34;,&#34;values&#34;:[&#34;20-30&#34;,&#34;ÇOK İYİ&#34;,&#34;Orta&#34;,&#34;ÖNERILEN default SD 1.5/SDXL&#34;]},{&#34;feature&#34;:&#34;DPM++ 3M SDE&#34;,&#34;values&#34;:[&#34;30-50&#34;,&#34;En iyi&#34;,&#34;Yavaş&#34;,&#34;High quality&#34;]},{&#34;feature&#34;:&#34;DPM++ SDE Karras&#34;,&#34;values&#34;:[&#34;20-30&#34;,&#34;Çok iyi&#34;,&#34;Orta&#34;,&#34;Detay&#34;]},{&#34;feature&#34;:&#34;UniPC&#34;,&#34;values&#34;:[&#34;10-20&#34;,&#34;İyi&#34;,&#34;Çok hızlı&#34;,&#34;SD 3.5 default&#34;]},{&#34;feature&#34;:&#34;LCM&#34;,&#34;values&#34;:[&#34;4-8&#34;,&#34;Orta&#34;,&#34;Çok hızlı&#34;,&#34;LCM LoRA ile&#34;]},{&#34;feature&#34;:&#34;DDIM&#34;,&#34;values&#34;:[&#34;30-50&#34;,&#34;Orta&#34;,&#34;Orta&#34;,&#34;Reproducible&#34;]},{&#34;feature&#34;:&#34;Heun&#34;,&#34;values&#34;:[&#34;20-30&#34;,&#34;Çok iyi&#34;,&#34;Yavaş&#34;,&#34;Detay&#34;]},{&#34;feature&#34;:&#34;PLMS&#34;,&#34;values&#34;:[&#34;20-30&#34;,&#34;Orta&#34;,&#34;Hızlı&#34;,&#34;Eski klasik&#34;]}]"></comparison-table>

**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:

<comparison-table data-caption="CFG Scale Davranışı" data-headers="[&#34;CFG&#34;,&#34;Davranış&#34;]" data-rows="[{&#34;feature&#34;:&#34;1-2&#34;,&#34;values&#34;:[&#34;Prompt çok serbest, AI yaratıcılık üst&#34;]},{&#34;feature&#34;:&#34;3-4&#34;,&#34;values&#34;:[&#34;Hafif prompt-following, yaratıcı&#34;]},{&#34;feature&#34;:&#34;6-8&#34;,&#34;values&#34;:[&#34;Önerilen SD 1.5/SDXL sweet spot&#34;]},{&#34;feature&#34;:&#34;7-9&#34;,&#34;values&#34;:[&#34;Sıkı prompt, ama bazen aşırı doygun renk&#34;]},{&#34;feature&#34;:&#34;10+&#34;,&#34;values&#34;:[&#34;Çok sıkı, görsel yanmış/aşırı saturated&#34;]}]"></comparison-table>

**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

<callout-box data-variant="warning" data-title="Çözünürlük yanılgıları">

(1) SD 1.5 native 512×512 — 1024×1024 üretirsen bozuk + çift kafa. Hires Fix kullan. (2) SDXL native 1024×1024 — 768×768 üretirsen kalite düşer. (3) Aspect ratio (en/boy oranı) önemli — SDXL için 1024×1024 (1:1), 1152×896 (4:3), 1216×832 (3:2), 1344×768 (16:9). Resmi bucket sizes kullan.

</callout-box>

### 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. LoRA, ControlNet, IP-Adapter — İleri Özellikler

### 8.1 LoRA (Low-Rank Adaptation)

<definition-box data-term="LoRA" data-definition="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."></definition-box>

**LoRA kurulumu:**
- LoRA dosyalarını <code>models/Lora/</code> klasörüne koy
- A1111: prompt'a <code>&lt;lora:loraadi:0.8&gt;</code> 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

<definition-box data-term="ControlNet" data-definition="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."></definition-box>

**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 <code>extensions/sd-webui-controlnet/models/</code> 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. Inpainting ve Outpainting

### 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. Hires Fix ve Upscale

### 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. Fine-Tuning — Kendi Modelini Eğitmek

### 11.1 LoRA Eğitimi (Kohya_ss)

<howto-steps data-name="LoRA Eğitimi (Kohya_ss)" data-steps="[{&#34;name&#34;:&#34;Kohya_ss kur&#34;,&#34;text&#34;:&#34;github.com/bmaltais/kohya_ss → setup.bat (Windows) veya setup.sh (Linux)&#34;},{&#34;name&#34;:&#34;Dataset hazırla&#34;,&#34;text&#34;:&#34;20-30 görsel (1024×1024 SDXL için). Aynı klasörde her görselin txt dosyası (caption). Trigger word seç (örn 'ZYXSTYLE').&#34;},{&#34;name&#34;:&#34;Config&#34;,&#34;text&#34;:&#34;GUI'de: dataset path, output, training steps (1500-3000), batch size (1-4, GPU'ya göre)&#34;},{&#34;name&#34;:&#34;Network rank&#34;,&#34;text&#34;:&#34;LoRA rank 32-64 (karakter), 128-256 (stil)&#34;},{&#34;name&#34;:&#34;Eğit&#34;,&#34;text&#34;:&#34;Start training. RTX 4090 ~30-60 dakika SDXL LoRA için&#34;},{&#34;name&#34;:&#34;Test&#34;,&#34;text&#34;:&#34;Output safetensors → A1111/ComfyUI models/Lora/. Prompt: 'ZYXSTYLE a cat'&#34;}]"></howto-steps>

### 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. Performans Optimization — Hızlandırma Teknikleri

### 12.1 xFormers

Memory-efficient attention. A1111 flag: <code>--xformers</code>. ComfyUI: pip install xformers.

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

### 12.2 PyTorch 2.0+ scaled dot-product attention

<code>--opt-sdp-attention</code> 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. Troubleshooting — Yaygın Sorunlar

### 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 (<code>--xformers</code>)
4. <code>--medvram</code> veya <code>--lowvram</code>
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:**
- <code>--no-half</code> flag (FP32, yavaş ama doğru)
- <code>--upcast-sampling</code>
- 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)
- <code>models/Stable-diffusion/</code> 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:**
- <code>--disable-extra-extensions</code> flag ile başlat
- <code>extensions/</code> 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.

## 14. CivitAI Ekosistemi — Topluluk Modelleri

<definition-box data-term="CivitAI" data-definition="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)."></definition-box>

### 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. KVKK ve Kurumsal Self-Host

<callout-box data-variant="answer" data-title="Türk kurumsal SD self-host = KVKK + maliyet altın çözüm">

Stable Diffusion self-host Türk bankaları, sağlık şirketleri, savunma sanayi için ÜÇ ana avantaj sağlar: (1) KVKK %100 uyum — prompt'lar şirket sunucusunda kalır, dışarı çıkmaz. (2) Maliyet kontrol — Midjourney/DALL-E'nin %2-5'i. (3) Kurumsal moderasyon — şirket politikalarına uygun model seçimi. Donanım yatırımı (1×RTX 4090 + workstation ~₺75K) 6-12 ayda Midjourney aboneliğinden ucuz.

</callout-box>

### 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. Performans Tuning ve Production

### 16.1 Server Setup (Multi-User)

A1111/ComfyUI'yı server gibi çalıştırma:
- <code>--listen</code> flag (0.0.0.0)
- <code>--api</code> 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)

## 17. 25+ Pratik İpucu

<comparison-table data-caption="Pro İpuçları" data-headers="[&#34;İpucu&#34;,&#34;Detay&#34;]" data-rows="[{&#34;feature&#34;:&#34;1&#34;,&#34;values&#34;:[&#34;DPM++ 2M Karras 25 step default — çoğu durumda yeterli&#34;]},{&#34;feature&#34;:&#34;2&#34;,&#34;values&#34;:[&#34;SDXL için sdxl_vae.safetensors ZORUNLU&#34;]},{&#34;feature&#34;:&#34;3&#34;,&#34;values&#34;:[&#34;ADetailer eklentisi yüz/el düzeltir — life-saver&#34;]},{&#34;feature&#34;:&#34;4&#34;,&#34;values&#34;:[&#34;Regional Prompter eklentisi: farklı alanlara farklı prompt&#34;]},{&#34;feature&#34;:&#34;5&#34;,&#34;values&#34;:[&#34;xFormers + opt-sdp-attention birlikte aktif olmaz, biri seç&#34;]},{&#34;feature&#34;:&#34;6&#34;,&#34;values&#34;:[&#34;Civitai resmi &#39;helper&#39; eklentisi A1111&#39;e model otomatik etiketleme&#34;]},{&#34;feature&#34;:&#34;7&#34;,&#34;values&#34;:[&#34;LoRA strength 0.6-0.8 sweet spot — 1.0 abartı&#34;]},{&#34;feature&#34;:&#34;8&#34;,&#34;values&#34;:[&#34;Birden çok LoRA: weighted blend toplam 1.5&#39;i aşmasın&#34;]},{&#34;feature&#34;:&#34;9&#34;,&#34;values&#34;:[&#34;Negative prompt için BadDream / EasyNegative embedding kullan&#34;]},{&#34;feature&#34;:&#34;10&#34;,&#34;values&#34;:[&#34;Hires Fix denoising 0.5-0.7 (yüksek = tam yeniden)&#34;]},{&#34;feature&#34;:&#34;11&#34;,&#34;values&#34;:[&#34;Refiner (SDXL): 0.7-0.85 noise switch — son %20 detay&#34;]},{&#34;feature&#34;:&#34;12&#34;,&#34;values&#34;:[&#34;Img2img denoising 0.3-0.5 (hafif değişim), 0.6-0.8 (büyük değişim)&#34;]},{&#34;feature&#34;:&#34;13&#34;,&#34;values&#34;:[&#34;Prompt&#39;ta önceki kelime daha ağırlık taşır — önemli detay öne&#34;]},{&#34;feature&#34;:&#34;14&#34;,&#34;values&#34;:[&#34;(kelime:1.3) syntax ile ağırlık vermek mümkün&#34;]},{&#34;feature&#34;:&#34;15&#34;,&#34;values&#34;:[&#34;[kelime:adım] syntax ile belirli step&#39;e kadar etkin tut&#34;]},{&#34;feature&#34;:&#34;16&#34;,&#34;values&#34;:[&#34;BREAK keyword ile prompt&#39;ı bölmek — uzun prompt için CLIP 75 token reset&#34;]},{&#34;feature&#34;:&#34;17&#34;,&#34;values&#34;:[&#34;ControlNet weight 0.5-1.0 — düşük = yumuşak rehber&#34;]},{&#34;feature&#34;:&#34;18&#34;,&#34;values&#34;:[&#34;Aspect ratio bucket&#39;lara uy (SDXL 1216×832 OK ama 1300×800 bozuk)&#34;]},{&#34;feature&#34;:&#34;19&#34;,&#34;values&#34;:[&#34;Seed&#39;i kaydet — beğenilen görseli reproduce için&#34;]},{&#34;feature&#34;:&#34;20&#34;,&#34;values&#34;:[&#34;Generation Info&#39;yu kaydet — sonraki üretim için template&#34;]},{&#34;feature&#34;:&#34;21&#34;,&#34;values&#34;:[&#34;TIs/embeddings hala yararlı — &#39;easynegative&#39; negative prompt için&#34;]},{&#34;feature&#34;:&#34;22&#34;,&#34;values&#34;:[&#34;ComfyUI&#39;da workflow JSON paylaşımı — başkasının workflow&#39;ını drag-drop&#34;]},{&#34;feature&#34;:&#34;23&#34;,&#34;values&#34;:[&#34;FreeU eklentisi: detay artışı ekstra step gerekmeden&#34;]},{&#34;feature&#34;:&#34;24&#34;,&#34;values&#34;:[&#34;Hyper-SD LoRA: 1-2 step inference&#34;]},{&#34;feature&#34;:&#34;25&#34;,&#34;values&#34;:[&#34;LCM LoRA: 4-8 step inference&#34;]},{&#34;feature&#34;:&#34;26&#34;,&#34;values&#34;:[&#34;Custom Sampler Schedule (Karras, exponential, polyexponential) deneyin&#34;]},{&#34;feature&#34;:&#34;27&#34;,&#34;values&#34;:[&#34;Output klasörünü düzenli yedek al — kaybetmek istemezsin&#34;]}]"></comparison-table>

## 18. Sık Sorulanlar

**Soru: SD 1.5 mi SDXL mi başlamalıyım?**

<callout-box data-variant="answer" data-title="SDXL — modern başlangıç">

SD 1.5 olgun ekosistem ama 512×512 native (eski). SDXL 1024×1024 native, daha iyi prompt anlama, sektör standardı. RTX 3060 12GB+ ile SDXL native çalışır. SD 1.5'i sadece eski LoRA'lar ya da 6-8GB VRAM kısıtınız varsa düşünün.

</callout-box>

**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: <code>--api</code> 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.

## 19. Sonuç — Önerilen Yol Haritası

**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)

<references-list data-items="[{&#34;title&#34;:&#34;Stable Diffusion&#34;,&#34;url&#34;:&#34;https://stability.ai&#34;,&#34;author&#34;:&#34;Stability AI&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Stability AI&#34;},{&#34;title&#34;:&#34;Automatic1111 WebUI&#34;,&#34;url&#34;:&#34;https://github.com/AUTOMATIC1111/stable-diffusion-webui&#34;,&#34;author&#34;:&#34;AUTOMATIC1111&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;GitHub&#34;},{&#34;title&#34;:&#34;ComfyUI&#34;,&#34;url&#34;:&#34;https://github.com/Comfy-Org/ComfyUI&#34;,&#34;author&#34;:&#34;ComfyAnonymous&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;GitHub&#34;},{&#34;title&#34;:&#34;Forge UI&#34;,&#34;url&#34;:&#34;https://github.com/lllyasviel/stable-diffusion-webui-forge&#34;,&#34;author&#34;:&#34;lllyasviel&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;GitHub&#34;},{&#34;title&#34;:&#34;Fooocus&#34;,&#34;url&#34;:&#34;https://github.com/lllyasviel/Fooocus&#34;,&#34;author&#34;:&#34;lllyasviel&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;GitHub&#34;},{&#34;title&#34;:&#34;InvokeAI&#34;,&#34;url&#34;:&#34;https://github.com/invoke-ai/InvokeAI&#34;,&#34;author&#34;:&#34;InvokeAI&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;GitHub&#34;},{&#34;title&#34;:&#34;CivitAI&#34;,&#34;url&#34;:&#34;https://civitai.com&#34;,&#34;author&#34;:&#34;CivitAI&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;CivitAI&#34;},{&#34;title&#34;:&#34;Hugging Face Diffusers&#34;,&#34;url&#34;:&#34;https://huggingface.co/docs/diffusers&#34;,&#34;author&#34;:&#34;Hugging Face&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Hugging Face&#34;},{&#34;title&#34;:&#34;ControlNet Paper&#34;,&#34;url&#34;:&#34;https://arxiv.org/abs/2302.05543&#34;,&#34;author&#34;:&#34;Zhang, Rao, Agrawala&#34;,&#34;publishedAt&#34;:&#34;2023&#34;,&#34;publisher&#34;:&#34;arXiv&#34;},{&#34;title&#34;:&#34;LoRA Paper&#34;,&#34;url&#34;:&#34;https://arxiv.org/abs/2106.09685&#34;,&#34;author&#34;:&#34;Hu et al.&#34;,&#34;publishedAt&#34;:&#34;2021&#34;,&#34;publisher&#34;:&#34;arXiv&#34;},{&#34;title&#34;:&#34;Kohya_ss GUI&#34;,&#34;url&#34;:&#34;https://github.com/bmaltais/kohya_ss&#34;,&#34;author&#34;:&#34;bmaltais&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;GitHub&#34;},{&#34;title&#34;:&#34;AI Toolkit&#34;,&#34;url&#34;:&#34;https://github.com/ostris/ai-toolkit&#34;,&#34;author&#34;:&#34;Ostris&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;GitHub&#34;},{&#34;title&#34;:&#34;Stability AI Latent Diffusion Paper&#34;,&#34;url&#34;:&#34;https://arxiv.org/abs/2112.10752&#34;,&#34;author&#34;:&#34;Rombach et al.&#34;,&#34;publishedAt&#34;:&#34;2022&#34;,&#34;publisher&#34;:&#34;arXiv&#34;}]"></references-list>