Panduan Setup: Menjalankan Stable Diffusion di CPU Intel i3-1220P & 8GB RAM

Apakah mungkin menjalankan AI generator gambar lokal di laptop standar dengan prosesor Intel i3 dan RAM 8GB saja?

Jawabannya adalah bisa. Meskipun framework Python populer seperti AUTOMATIC1111 atau ComfyUI akan mengalami kehabisan memori (OOM) pada RAM 8GB, mesin inferensi berbasis C++ seperti stable-diffusion.cpp memungkinkan Anda menghasilkan gambar berkualitas langsung dari CPU.

Berikut adalah panduan praktis untuk mengonfigurasi dan mengoptimalkan Stable Diffusion di laptop dengan CPU Intel Core i3-1220P (10 core: 2 P-core + 8 E-core) dan RAM 8GB.

Mengapa Setup Standar Sering Crash di RAM 8GB?

Sebelum memulai instalasi, mari pahami batasan hardware setup ini:

1. Kapasitas RAM Terbatas: Sistem operasi (Linux atau Windows) membutuhkan sekitar 2.5 GB – 3.5 GB RAM hanya untuk menjalankan proses latar belakang. Sisa RAM yang bebas hanya sekitar ~4.0 GB. Framework Python + PyTorch dengan mudah melewati batas ini saat memuat model FP16.
2. Tidak Ada VRAM Dedicated: Kartu grafis terintegrasi (Intel UHD Graphics) berbagi RAM utama dengan sistem. Menggunakan eksekusi CPU dengan instruksi AVX2 jauh lebih stabil.
3. Batas Suhu & Daya: Prosesor i3-1220P memiliki batas daya dasar 28W. Jika jumlah thread CPU diatur terlalu tinggi, prosesor akan mengalami peningkatan suhu dan justru memperlambat proses pembuatan gambar.

Solusi Utama: stable-diffusion.cpp

Untuk menjalankan Stable Diffusion tanpa membuat komputer crash, kita menggunakan stable-diffusion.cpp—sebuah aplikasi ringan berarsitektur C/C++ yang dibuat di atas pustaka ggml.

Fitur Optimasi Utama:

• Kuantisasi Model 4-Bit (GGUF): Memperkecil ukuran model dari ~4 GB menjadi ~1.7 GB.
• VAE Tiling (--vae-tiling): Memproses dekoding gambar dalam potongan-potongan kecil sehingga mencegah lonjakan penggunaan RAM pada tahap akhir.
• Pengaturan Thread CPU (-t 4): Mengalokasikan 4 thread khusus untuk mencegah panas berlebih pada prosesor hibrida P-core/E-core.

Langkah-Langkah Instalasi

Langkah 1: Build stable-diffusion.cpp

Buka terminal dan jalankan perintah berikut:

# Clone repositori
git clone --recursive https://github.com/leejet/stable-diffusion.cpp
cd stable-diffusion.cpp

# Kompilasi dengan optimasi rilis
mkdir build && cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j4

Langkah 2: Unduh Model Kuantisasi

Hindari mengunduh file .safetensors bawaan. Unduh file model kuantisasi GGUF format 4-bit:

• Unduh v1-5-pruned-emaonly-q4_0.bin atau v1-5-pruned-emaonly-q8_0.gguf (~1.7 GB).
• Simpan file di dalam folder models/.

Langkah 3: Jalankan Perintah Pembuatan Gambar

Jalankan sd-cli dengan parameter hemat memori:

./build/sd-cli \
  -m models/v1-5-pruned-emaonly-q4_0.bin \
  -p "a quiet mountain lake at sunrise, detailed digital art, 8k resolution" \
  -n "blurry, low quality, distorted, extra limbs" \
  -H 512 -W 512 \
  --steps 20 \
  --cfg-scale 7.0 \
  --sampling-method euler_a \
  --vae-tiling \
  -t 4 \
  -o mountain_lake.png

Hasil Benchmark Dunia Nyata (Intel i3-1220P / 8GB RAM)

Berikut adalah performa dan konsumsi memori yang terukur:

Tips Agar Render Lebih Cepat

1. Gunakan Sampler LCM (Latent Consistency Models): Model LCM memungkinkan Anda menghasilkan gambar yang bagus hanya dalam 4 hingga 8 langkah, memotong total waktu render dari 60 detik menjadi 15–20 detik saja!
2. Tutup Aplikasi Berat: Bebaskan RAM sistem dengan menutup Google Chrome atau aplikasi berat lainnya sebelum memulai pembuatan gambar.
3. Gunakan Resolusi Standar 512×512: Pembuatan gambar resolusi 768×768 membutuhkan waktu 3 hingga 4 menit di CPU. Gunakan resolusi 512×512 dan lakukan perbesaran (upscale) kemudian jika diperlukan.

Kesimpulan

Anda tidak memerlukan PC gaming mahal untuk mulai mencoba pemrosesan gambar AI secara lokal. Dengan stable-diffusion.cpp dan model kuantisasi 4-bit, laptop standar Intel i3 dengan RAM 8GB sudah cukup untuk menghasilkan karya visual secara mandiri.