In 2026 is de SD3-familie in preview, maar lichtere Stable Diffusion-modellen draaien al op gangbare consumentenkaarten met minder VRAM. Deze gids legt stap voor stap uit hoe je Stable Diffusion lokaal installeert, welke cloud- en API-opties er zijn, hoe je betere prompts en ControlNet gebruikt, en welke wet- en regelgeving in Nederland belangrijk is.

Quick-reference

- Wat: Stable Diffusion is een tekst-naar-beeld model (2026: Stable Diffusion 3-family beschikbaar in preview).
- Modellen: 800 miljoen tot 8 miljard parameters (verschillende snelheid/kwaliteit).
- Hardware: kleine modellen draaien vanaf ~6-8 GB VRAM; grotere modellen vragen 24-48 GB VRAM; high-end A100/H100 servers bieden 40-80 GB VRAM per GPU.
- Opslag: reken op 10-50 GB vrij voor modellen, checkpoints en libraries; meerdere checkpoints verhogen opslagbehoefte snel.
- Kosten: lokaal alleen hardware en stroom; cloud GPU's typisch €0,20 tot €8 per uur afhankelijk van provider en GPU; managed services rekenen extra abonnementskosten of per-beeld kosten.
- Wetten: volg EU AI Act (gefaseerde verplichtingen; plicht voor hoge-risico systemen) en Nederlandse regels via Autoriteit Persoonsgegevens en Rijksoverheid. Zie https://autoriteitpersoonsgegevens.nl en https://www.rijksoverheid.nl/onderwerpen/kunstmatige-intelligentie.

Voor wie is deze gids

Deze gids is voor makers, ontwerpers en hobbyisten in Nederland die willen weten hoe Stable Diffusion werkt in 2026, lokaal of in de cloud, en wat wettelijk relevant is. Het is praktisch, stap-voor-stap en gericht op direct resultaat. Ben je productontwerper, illustrator, game-artiest of hobbyfotobewerker, dan vind je praktische instellingen, keuzes en valkuilen.

Benodigde spullen en voorwaarden (Praktisch)

1) Computer: voor lokaal gebruik is een recente NVIDIA-GPU met CUDA sterk aanbevolen. Veel gangbare kaarten en hun typische VRAM in 2026: RTX 3060 (12 GB), RTX 3070 (8-16 GB), RTX 3080 (10-12 GB), RTX 3090/4090 (24 GB). Datacenterkaarten zoals A100 of H100 bieden 40-80 GB VRAM en zijn handig voor SD3/XL-achtige modellen. AMD-ROCm ondersteunt steeds meer stacks, maar NVIDIA is het meest out-of-the-box compatibel.

2) Opslag: houd 10-50 GB vrij voor een basisinstallatie met 1-3 modellen. Als je meerdere checkpoints, LoRA's en ControlNet-gewichten gebruikt, plan 100+ GB. Snelle NVMe schijf versnelt laden en cache.

3) Software: Python 3.10+; NVIDIA drivers (525+), CUDA 12+ of ROCm voor AMD. Aanbevolen package managers: Conda of venv. Populaire front-ends: Automatic1111 (https://github.com/AUTOMATIC1111/stable-diffusion-webui), ComfyUI (https://github.com/comfyanonymous/ComfyUI), InvokeAI (https://github.com/invoke-ai/InvokeAI).

Voor modelhosting en experimenteren: Hugging Face (https://huggingface.co), RunPod (https://www.runpod.io), Lambda Labs (https://lambdalabs.com) en Stability AI (https://stability.ai).

Mastheads

4) Accounts en kosten: maak een Hugging Face-account om modellen te downloaden of gehostte API's te gebruiken; sommige checkpoints vereisen acceptatie van licentievoorwaarden. Managed APIs zoals DreamStudio (Stability) of Hugging Face Inference hebben pay-as-you-go tarieven en soms gratis proefcredits. Reken in 2026 op instapcloudtarieven rond €0,20, €0,50/uur voor low-end GPU's, €1, €3/uur voor consumentengrade (3080/3090/4090), en €3, €8+/uur voor A100/H100 klasse.

Stap-voor-stap: lokaal installeren met Automatic1111 (Windows/Linux)

Volg deze stappen voor een werkende webUI op je machine. De instructie gaat uit van NVIDIA/CUDA; voor AMD gebruik ROCm-builds of ComfyUI.

  1. Controleer hardware en drivers: update NVIDIA-driver naar minimaal 525 (of later). Controleer CUDA-versie: CUDA 11.8+ of CUDA 12 is gangbaar in 2026.
  2. Installeer Python: download en installeer Python 3.10 of 3.11 via https://www.python.org. Gebruik Conda als je afhankelijkheden wilt isoleren.
  3. Clone de webUI: open terminal en run: git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
  4. Start de webUI-install: ga naar de map en run: python launch.py --precision full (of --precision float16 voor minder VRAM). De installer downloadt automatisch benodigde libraries en modellen als je links opgeeft.
  5. Modellen toevoegen: download checkpoints van Hugging Face of Stability (controleer licentie) en plaats .ckpt of .safetensors in de models/Stable-diffusion map. Herstart de webUI.
  6. ControlNet: installeer ControlNet extension via de Extension-manager in Automatic1111 of clone https://github.com/lllyasviel/ControlNet en plaats geschikte gewichten in extensions/ControlNet/models.
  7. Test: open de webinterface (standaard http://127.0.0.1:7860), voer een eenvoudige prompt in en genereer een 512x512 beeld met 20-30 stappen, CFG-scale 7.5 en samplers zoals DPM++ 2M Karras of Euler a.

Als lokaal draaien geen optie is, kies een cloudprovider of hosted API. Voorbeelden en aanpak:

  1. Hugging Face Inference: maak account op https://huggingface.co, verkrijg een access token via Settings → Access Tokens. Gebruik de Inference API met curl of Python. Kosten variëren; bekijk je accountpagina voor actuele tarieven.
  2. RunPod/Lambda Labs: kies een GPU-instantie (bijv. RTX 3090, A10, of A100). Upload of koppel je repository, kies image met webUI of gebruik prebuilt images. Betaal per uur; reserveer of spot-instanties besparen kosten.
  3. Stability API/DreamStudio: registreer op https://stability.ai, krijg API-sleutel, gebruik REST-endpoints voor text-to-image of image-to-image. Prijzen: vaak per beeld of per compute-unit; check servicepagina voor actuele tarieven en quota.
  4. Beveiliging en privacy: gebruik VPC, private storage of encryptie voor gevoelige data. Als je persoonsgegevens verwerkt (bijv. Portretten), check de Autoriteit Persoonsgegevens en AI Act-vereisten.

Promptstructuur: onderwerp → stijl → kleur/lighting → compositie → detail. Voeg negatief prompt toe om ongewenste elementen te verwijderen. Voorbeeldstructuur: "{onderwerp}, close-up, cinematic lighting, photorealistic, 35mm lens, sharp details". Gebruik seed voor reproduceerbaarheid (seed 123456). Gebruik CFG-scale 6-12; lager voor meer creativiteit, hoger voor nauwkeurige promptvolging.

Stappen en sampler: 20-50 stappen werkt vaak; voor SD3/XL kun je 30-70 stappen gebruiken. Samplers: DPM++ 2M Karras of Euler a zijn goede defaults. Voor snelle iteratie kies minder stappen en lagere resolutie.

ControlNet: gebruik voor pose- en vormbehoud, of om schetsen en dieptemaps te volgen. Voeg ControlNet-gewicht (0.5-1.0) toe en kies geschikte processor (edge-detect, HED, depth). Voor portretretouches start met weight 0.6 en experimenteer.

- Begin met 512x512 of 768x768; hoger maakt VRAM- en tijdkosten duidelijk groter. Een 2048x2048 beeld op een 24 GB kaart kan memory-swap vereisen.
- Gebruik mixed precision (float16) om VRAM te besparen.
- Gebruik LoRA's om stijlen toe te voegen zonder volledige model-finetune.
- Versiebeheer modellen: noem bestanden met datum, parameteraantal en korte beschrijving, bijvoorbeeld sd3_preview_v1-8b_2026.safetensors.
- Houd een promptlog bij: prompt, seed, CFG, steps, sampler en output-bestandsnaam. Zo reproduceer je resultaten later.

- Privacy: de Autoriteit Persoonsgegevens controleert verwerking van persoonsgegevens. Voor portretten of herkenbare individuen moet je rekening houden met toestemming en doelbinding. Zie https://autoriteitpersoonsgegevens.nl.
- Auteursrecht: afbeeldingen gegenereerd met modellen kunnen auteursrechtelijke vragen oproepen, de Auteurswet blijft gelden. Gebruik rechtenvrije bronmaterialen of zorg voor licenties voor gebruikte trainingsdata. Vermijd expliciet kopiëren van een levende artiest zijn stijl als je commercieel gebruikt.
- EU AI Act: in 2026 gelden verplichtingen voor high-risk AI-systemen. De AI Act verplicht transparantie, risicobeoordeling en soms certificatie. Raadpleeg EU-pagina: https://digital-strategy.ec.europa.eu/ en Nederlandse implementatie via Rijksoverheid.

- Te grote afbeeldingen genereren zonder voldoende VRAM, check je kaart en schaal resolutie, of gebruik tiling/patch-synthesis.
- Vergeten licenties te controleren bij model- en dataset-downloads, lees README en licentiebestanden altijd.
- Overfitting bij finetuning: train niet te lang; bewaar checkpoints en test op nieuwe prompts.
- Niet-backuppen van gewichten: verlies voorkomen door automatische cloud-backups of extern opslagmedium.

Related Articles

Stable Diffusion in 2026 biedt veel keuzes: draai modellen lokaal, kies een cloud-server of gebruik managed API's. Maak je keuze op basis van beschikbare hardware, kosten, modellicenties en privacy-eisen. Begin klein, 512x512, 20-30 stappen en CFG rond 7-9, oefen met prompttechniek en gebruik ControlNet voor meer controle. Controleer altijd modellicenties en de Nederlandse en EU-regels, bijvoorbeeld bij de Autoriteit Persoonsgegevens en de publicaties over de EU AI Act.

Dit artikel is gemaakt met behulp van AI.