編集部の実体験レポート
【実際に検証】GTX 1660 Super（6GB）でStable Diffusionを動かしてみた
筆者は当初、GTX 1660 Super（VRAM 6GB）でStable Diffusion WebUI（AUTOMATIC1111）を起動しようとして、いきなり「CUDA out of memory」エラーに遭遇しました。SDXLモデルを読み込んだ時点でVRAMが溢れ、画像生成どころかUIの起動すら安定しませんでした。しかし--medvramと--xformersをwebui-user.batに追加したところ、SD1.5モデルで512x512の画像がおよそ8秒で生成できるようになりました。さらにWebUI Forgeに乗り換えたところ、同じGPUでもSDXLが動作するようになり、768x768の画像を約25秒で生成できています。「低スペックだから無理」と諦める前に、この記事の設定を一つずつ試してみてください。大半のケースは設定変更だけで解決します。
― 田中 誠（AIツール歴3年・画像生成歴2年）
VRAM不足エラーが出る原因
Stable Diffusionは画像生成のプロセス全体をGPU上で処理します。そのため、GPUに搭載されたVRAM（ビデオメモリ）の容量が足りないと「CUDA out of memory」というエラーが発生し、画像を生成できません。
VRAM不足が起きる主な原因は以下の5つです。
VRAM不足の5大原因
- モデルサイズが大きい：SDXLやFlux.1はSD1.5の2〜4倍のVRAMを消費する
- 生成解像度が高い：1024x1024はおよそ512x512の4倍のVRAMを使用する
- バッチサイズが大きい：同時に複数枚生成するとVRAM使用量が倍増する
- 拡張機能の同時使用：ControlNet・LoRA・ADetailerなどを複数同時に使うとVRAMが圧迫される
- 最適化設定が未適用：--medvram・xformersなどのVRAM節約オプションを使っていない
重要なのは、VRAMが足りない＝画像生成自体ができないわけではないという点です。適切な設定を行えば、VRAM 4GBのGPUでもStable Diffusionを動かすことは可能です。以下で具体的な解決策を解説します。
モデル別 必要VRAM一覧表
Stable Diffusionで使用するモデルによって、必要なVRAM量は大きく異なります。自分のGPUのVRAM容量と照らし合わせてください。
| モデル | 最低VRAM | 推奨VRAM | 512x512生成 | 1024x1024生成 | 備考 |
|---|---|---|---|---|---|
| SD 1.5 | 4GB | 6GB以上 | 約4GB | 約6GB | 最も軽量。低スペックPCの第一選択 |
| SD 2.1 | 4GB | 8GB以上 | 約4.5GB | 約7GB | SD1.5とほぼ同等だが若干重い |
| SDXL 1.0 | 6GB | 8GB以上 | 約5GB | 約8GB | 高画質。Forgeなら6GBでも動作可能 |
| SDXL Turbo | 6GB | 8GB以上 | 約5GB | 約7.5GB | 少ないステップで高速生成 |
| SD 3.0 | 8GB | 12GB以上 | 約7GB | 約10GB | 高品質だがVRAM消費が大きい |
| Flux.1 [dev] | 8GB | 12GB以上 | 約8GB | 約12GB | 2024年以降の主流。NF4量子化で6GBも可 |
※ 上記は目安値です。使用するUI（AUTOMATIC1111 / Forge / ComfyUI）、拡張機能の有無、VAEの種類によって前後します。
自分のVRAMを確認する方法
Windowsの場合: タスクマネージャー（Ctrl+Shift+Esc）→ 「パフォーマンス」タブ → 「GPU」を選択 → 「専用GPUメモリ」の値がVRAM容量です。または、コマンドプロンプトでnvidia-smiを実行すると、VRAMの総量と現在の使用量がリアルタイムで確認できます。
VRAM不足を解決する7つの方法
ここからが本題です。効果が高い順に7つの解決法を紹介します。上から順に試していくことで、大半のVRAM不足エラーは解消できます。
方法1：--medvram / --lowvram オプションを追加する【最優先】
最も基本的かつ効果の高い対策です。Stable Diffusion WebUIの起動時にメモリ節約オプションを指定することで、VRAMの使用量を大幅に削減できます。
設定手順
webui-user.batをテキストエディタ（メモ帳など）で開くset COMMANDLINE_ARGS=の行を見つける- 以下のように書き換えて保存する
@rem VRAM 6GB以下の場合（推奨）
set COMMANDLINE_ARGS=--medvram --xformers
@rem VRAM 4GB以下の場合（最小メモリモード）
set COMMANDLINE_ARGS=--lowvram --xformers --no-half-vae
| オプション | 対象VRAM | VRAM削減量 | 速度への影響 |
|---|---|---|---|
| --medvram | 6GB前後 | 約30〜40%削減 | 軽微（ほぼ変わらない） |
| --lowvram | 4GB前後 | 約50〜60%削減 | 大きい（3〜5倍遅くなる） |
| --medvram-sdxl | 8GB（SDXL用） | 約20〜30%削減 | 軽微 |
注意：webui.batではなくwebui-user.batを編集してください。webui.batはアップデート時に上書きされます。また、=の前後にスペースを入れないようにしてください。
方法2：xformersを有効にする
xformersはMeta社が開発したメモリ効率に優れたAttention計算ライブラリです。有効にするだけでVRAMを20〜30%削減しつつ、生成速度も10〜20%向上する、一石二鳥の最適化です。
設定手順
webui-user.batのCOMMANDLINE_ARGSに--xformersを追加するだけです。
set COMMANDLINE_ARGS=--medvram --xformers
初回起動時にxformersが自動でダウンロード・インストールされます。PyTorchとCUDAのバージョンに対応したxformersが自動選択されるため、手動インストールは基本的に不要です。
もしxformersのインストールに失敗する場合は、代わりに--opt-split-attentionを使用してください。xformersほどではありませんが、VRAM削減効果があります。
方法3：WebUI Forgeに乗り換える【強く推奨】
2024年にリリースされたWebUI Forgeは、AUTOMATIC1111をベースにメモリ管理を根本から最適化したフォーク版です。同じGPUでもVRAM使用量が30〜50%削減され、特に6〜8GBのGPUで劇的な効果を発揮します。
Forgeに乗り換えるメリット
- VRAM使用量が30〜50%削減（同じGPUでより高解像度の生成が可能）
- 生成速度が40〜45%向上（8GB環境での実測値）
- SDXLがVRAM 6GBでも動作可能に（AUTOMATIC1111では困難）
- 自動VRAM管理機能搭載（--medvramなどの手動設定が不要になるケースも）
- AUTOMATIC1111の拡張機能・モデル・設定がそのまま移行可能
Forgeは自動的にVRAM管理を最適化するため、多くの場合は--medvramや--lowvramなどのオプションを追加しなくても適切に動作します。VRAM不足に悩んでいるなら、Forgeへの移行が2026年時点で最もおすすめの解決策です。
方法4：VAEをFP16に変更する
VAE（Variational Autoencoder）はモデルの画像デコード部分で、デフォルトではFP32（単精度）で動作するものがあります。これをFP16（半精度）のVAEに変更することで、約1GBのVRAMを節約できます。
設定手順
- FP16対応のVAEファイル（例：
vae-ft-mse-840000-ema-pruned.safetensors）をmodels/VAEフォルダに配置する - WebUI設定画面でVAEを選択する
- または、
webui-user.batに--no-half-vaeを追加してVAE処理時のメモリスパイクを防止する
よくある症状：画像が真っ黒に生成される場合は、VAEの互換性問題が原因であることが多いです。VAEを変更するか、--no-half-vaeオプションを試してください。
方法5：生成解像度を下げる・バッチサイズを1にする
生成画像の解像度はVRAM使用量に直結します。解像度を下げることは最もシンプルかつ確実なVRAM節約法です。
| 解像度 | VRAM使用量（目安） | 画質 |
|---|---|---|
| 512x512 | 約3〜4GB | SD1.5の標準。十分実用的 |
| 768x768 | 約5〜6GB | SD1.5で高画質。SDXLの最低ライン |
| 1024x1024 | 約7〜10GB | SDXLの標準解像度 |
| 2048x2048 | 約16GB以上 | ハイエンドGPU必須 |
また、バッチサイズ（Batch size）は必ず1に設定してください。バッチサイズ2にするとVRAM使用量がおよそ2倍になります。複数画像が欲しい場合はバッチカウント（Batch count）を増やせば、1枚ずつ順番に生成されるためVRAM不足を回避できます。
方法6：モデルを軽量化する（Pruning・量子化）
モデルファイル自体を軽量化する方法もあります。
- Pruned（プルーン済み）モデルを使用する：学習データの不要部分を除去した軽量版。CivitaiやHugging Faceで「pruned」「fp16」と付くモデルを選択
- NF4量子化モデルを使用する：Flux.1などの大型モデルでは、NF4量子化版を使うことでVRAM使用量を半分以下に削減可能
- .safetensors形式を優先：.ckptより読み込みが高速でメモリ効率も良い
特にFlux.1を低スペックPCで動かしたい場合は、NF4量子化版＋WebUI Forgeの組み合わせが有効です。VRAM 6GBでもFlux.1の画像生成が可能になったという報告があります。
方法7：Google Colab（クラウド）を利用する
ローカルPCのGPUスペックに限界がある場合、Google Colabなどのクラウド環境で実行する方法があります。クラウドGPUを借りることで、自分のPCのVRAMに依存せず高品質な画像生成が可能です。
| サービス | VRAM | 月額目安 | 特徴 |
|---|---|---|---|
| Google Colab（無料） | Tesla T4（16GB）※制限あり | 無料 | GPU割り当ては保証されない。長時間利用不可 |
| Google Colab Pro | Tesla T4/V100（16GB〜） | 約1,179円 | 優先GPU割り当て。安定して利用可能 |
| Paperspaceなど | 選択可能（8GB〜80GB） | 約$8〜/月 | 専用環境。高スペックGPUを時間課金で利用 |
Google Colabの無料プランでは、2024年以降GPUの割り当て制限が厳しくなっています。安定して使いたい場合はColab Pro（月約1,179円）の契約を推奨します。Tesla T4（VRAM 16GB）が割り当てられるため、SDXLも快適に動作します。
ただし、クラウド環境では毎回セットアップが必要（モデルのダウンロード等）というデメリットがあります。頻繁に使うなら、GPU増設やPC買い替えも長期的には検討する価値があります。
GPU別おすすめ設定
お使いのGPUのVRAM容量に合わせた推奨設定を一覧にまとめました。webui-user.batのCOMMANDLINE_ARGSに設定してください。
| VRAM容量 | 代表的なGPU | 推奨コマンドライン | 使用可能モデル | 推奨解像度 |
|---|---|---|---|---|
| 4GB | GTX 1650, GTX 1050 Ti | --lowvram --xformers --no-half-vae |
SD1.5のみ | 512x512 |
| 6GB | GTX 1660 Super, RTX 2060 | --medvram --xformers |
SD1.5（快適）, SDXL（Forge推奨） | 512x512〜768x768 |
| 8GB | RTX 3060 Ti, RTX 4060 | --medvram-sdxl --xformers |
SD1.5・SDXL（快適） | 512x512〜1024x1024 |
| 12GB | RTX 3060 12GB, RTX 4070 | --xformers |
全モデル対応 | 1024x1024まで快適 |
| 16GB以上 | RTX 4070 Ti, RTX 4080 | オプションなしでも快適 | 全モデル＋高解像度 | 2048x2048も対応可 |
コスパ最強GPU：RTX 3060 12GB
Stable Diffusion用途でコストパフォーマンスが最も高いのはRTX 3060 12GBです。新品で3〜4万円、中古なら2〜3万円で入手でき、12GBのVRAMでSDXL・Flux.1を含む全モデルに対応できます。GPU選びで迷ったらこれを選んでおけば間違いありません。
エラーメッセージ別 対処法
Stable Diffusionで表示される代表的なエラーメッセージと、それぞれの対処法をまとめました。
| エラーメッセージ | 原因 | 対処法 |
|---|---|---|
| RuntimeError: CUDA out of memory | VRAMが不足している | --medvram / --lowvram を追加、解像度を下げる、バッチサイズを1にする |
| torch.cuda.OutOfMemoryError | 上記と同じ（PyTorch 2.x系の表記） | 同上 |
| CUDA error: out of memory | GPUメモリの物理的な不足 | 他のGPU使用アプリを閉じる、Chrome等のハードウェアアクセラレーションをオフにする |
| RuntimeError: Expected all tensors on same device | VRAMとRAMでデータが分散している | --lowvram を使用中なら正常動作の範囲。解消にはVRAMの増設が必要 |
| NansException: A tensor with all NaNs was produced | VAEの互換性問題（FP16関連） | --no-half-vae を追加、または適切なVAEファイルを設定する |
| 生成画像が真っ黒 | VAEの不具合またはメモリ不足 | VAEをvae-ft-mse-840000に変更、--no-half-vae を追加 |
| 生成が異常に遅い（数分〜数十分） | NVIDIAのシステムメモリフォールバックが有効 | NVIDIAコントロールパネルでフォールバックを無効化（下記参照） |
NVIDIAドライバのメモリフォールバック問題
NVIDIAドライバ536.40以降には、VRAMが不足したときにシステムRAM（メインメモリ）を代用する機能が搭載されています。一見便利な機能ですが、Stable Diffusionでは深刻なパフォーマンス低下を引き起こします。
症状
- 「CUDA out of memory」エラーが出なくなったが、生成速度が10倍以上遅くなった
- 以前は数秒で生成できた画像が、数分〜数十分かかるようになった
- タスクマネージャーで見るとGPU使用率は低いのにシステムRAMが大量消費されている
対処法：メモリフォールバックを無効化する
- デスクトップを右クリック → 「NVIDIAコントロールパネル」を開く
- 左メニューから「3D設定の管理」を選択
- 「グローバル設定」タブで「CUDA - システムメモリフォールバックポリシー」を見つける
- 「ドライバのデフォルト」から「Prefer No Sysmem Fallback」（システムメモリフォールバックを使用しない）に変更
- 「適用」をクリック
この設定により、VRAMが不足した場合はエラーが明示的に出るようになり、原因特定と対処が容易になります。
よくある質問（FAQ）10問
まとめ
Stable DiffusionのVRAM不足エラーは、適切な設定を行えばほとんどのケースで解決可能です。最後に、優先度の高い順に対策をまとめます。
VRAM不足 解決チェックリスト（優先度順）
- --medvram / --lowvram を追加：webui-user.batに書くだけ。最も簡単で効果大
- xformersを有効化：VRAM削減＋速度向上の一石二鳥
- WebUI Forgeに乗り換え：VRAM 30〜50%削減。2026年の最推奨UI
- VAEをFP16に変更：約1GB節約。真っ黒画像の解消にも
- 解像度を下げる・バッチ1に：確実にVRAMを節約できるシンプルな方法
- 軽量モデルを使用：Pruned版・NF4量子化版を選ぶ
- Google Colabを利用：ローカルGPUの限界を超えたい場合の最終手段
VRAM 4GBのGPUでもSD1.5モデルなら画像生成は可能です。ただし、SDXLやFlux.1を快適に使いたい場合は、RTX 3060 12GB（中古2〜3万円）への換装も視野に入れてください。設定変更でできることには限界があるため、長期的にAI画像生成を続けるならGPUへの投資が最もコスパの良い選択になります。
関連記事もあわせてご覧ください。