Cómo Configurar Stable Diffusion sin Censura (2026)

Por Alexandra Joly · Senior Editor · Actualizado el 17 de mayo de 2026 · Tiempo de lectura 11 min · Revisado por el equipo editorial

¿Qué hace falta para configurar Stable Diffusion sin censura?

Esta guía es para quien quiere correr Stable Diffusion en local y saltarse a todos los intermediarios alojados. Las herramientas de siempre te dicen que no, y punto: DALL-E rechaza el contenido sexual, las Community Guidelines de Midjourney lo prohíben, Google Imagen documenta sus filtros de IA responsable en la capa de la API. Corre la inferencia en tu propia GPU y te saltas todas las barreras de la capa de plataforma. Lo único que te queda por delante es la ficha del modelo y la ley. El coste también es real, ojo. Cuenta con 30 a 90 minutos la primera vez que lo montas, necesitas hardware decente (los de solo portátil quedan fuera) y vas a tener que mantener la instalación cuando salgan actualizaciones de la WebUI. Si eso no es tu idea de una buena noche, salta directa a las cuatro alternativas alojadas listas para usar del final.

Lo que necesitas antes de empezar

Suelo de hardware. Una GPU NVIDIA con al menos 8 GB de VRAM dedicada es la entrada para los checkpoints de SD 1.5 (Realistic Vision V6.0 B1, DreamShaper 8). Los checkpoints SDXL (Pony Diffusion V6 XL, SDXL base, FLUX.1-dev) necesitan 12 GB de VRAM como mínimo, con 16-24 GB recomendados para iterar cómodo [Source: NVIDIA: capacidad de cómputo de las GPU CUDA · verified 2026-05-17]. Las GPU AMD funcionan vía DirectML en Windows o ROCm en Linux, con soporte de herramientas reducido y rendimiento más lento. Los Mac con Apple Silicon corren Stable Diffusion vía Mochi Diffusion o la librería Diffusers de HuggingFace, pero quedan por detrás de NVIDIA en velocidad por más o menos 2-3x a igualdad de precio. La inferencia solo con CPU técnicamente funciona, pero el tiempo por imagen va de 10 a 50 veces más lento que una GPU de gama media. No te molestes para nada que sea iterativo.

Suelo de software. Python 3.10.6 es la versión que fija cada repo oficial de WebUI. Instala algo más nuevo y vas a romper las dependencias y a comerte errores crípticos de importación que te tiran una noche entera de debug (lo he hecho, es miseria pura). Git hace falta para clonar los repos. Un disco SSD con al menos 100 GB libres va cómodo: una instalación típica en local cae en 30-60 GB una vez apilas unos cuantos checkpoints y LoRA.

Suelo legal y ético. Tres líneas rojas universales aplican a cada checkpoint de Stable Diffusion, a cada LoRA y a cada alternativa alojada. Primera, nada de representaciones de menores. La ley federal de EE. UU. en 18 USC 2252A trata las representaciones visuales de menores generadas por IA con actividad sexual como material de abuso sexual infantil, con penas idénticas a las del CSAM fotográfico [Source: Departamento de Justicia de EE. UU.: estatuto 18 USC 2252A · verified 2026-05-17]. Segunda, nada de escenarios no consensuados. Las leyes estatales emergentes sobre imagen íntima no consensuada criminalizan la generación tanto como la distribución. Tercera, nada de parecido de personas reales sin consentimiento explícito. Al menos 27 estados de EE. UU. tienen ya leyes que cubren la imagen íntima no consensuada hecha con herramientas de IA, y la Take It Down Act federal aprobada en 2025 mete encima una obligación de retirada en 48 horas para las plataformas. La licencia de FLUX.1-dev deja claros estos usos fuera de alcance directamente en la ficha oficial del modelo [Source: HuggingFace: ficha del modelo black-forest-labs/FLUX.1-dev · verified 2026-05-17], y la licencia Modified Fair AI de Pony Diffusion V6 XL añade restricciones comerciales encima. Nada de esto es zona gris. Aplica generes lo que generes, lo generes donde lo generes.

Elige tu WebUI

Tres repos oficiales de WebUI cubren el flujo de instalación en local, y cuál eliges es, la verdad, la decisión más grande que vas a tomar aquí. Cada uno trae un equilibrio distinto entre velocidad hasta la primera salida, cuánta VRAM se come y hasta dónde puedes empujar el flujo después.

Automatic1111 (del dev que firma como AUTOMATIC1111 en GitHub) es la referencia histórica, la WebUI a la que apuntan la mayoría de los tutoriales y walkthroughs de YouTube [Source: GitHub: AUTOMATIC1111/stable-diffusion-webui · verified 2026-05-17]. Forge, de lllyasviel, es un fork más rápido y ligero que mantiene la compatibilidad con la mayoría de extensiones de Automatic1111, y es la que te recomendaría cuando 8-12 GB de VRAM es tu presupuesto [Source: GitHub: lllyasviel/stable-diffusion-webui-forge · verified 2026-05-17]. ComfyUI, de comfyanonymous, es una interfaz basada en nodos. La curva de aprendizaje más dura de las tres, pero el camino más limpio hacia flujos reproducibles una vez te metes en cadenas de inpaint, upscale en latente, pilas de ControlNet y pipelines de animación [Source: GitHub: comfyanonymous/ComfyUI · verified 2026-05-17].

Para una primera instalación, Automatic1111 o Forge ganan por llevarte a una primera imagen más rápido. Pásate a ComfyUI más adelante, cuando de verdad entiendas el pipeline de difusión y quieras control sobre cada nodo.

El walkthrough de instalación en 7 pasos

1. 1

   Comprueba tu GPU y tu VRAM

   Abre el Administrador de tareas de Windows → Rendimiento → GPU (o nvidia-smi desde una terminal en Linux y Windows). Confirma que la memoria de GPU dedicada coincide con el suelo de tu arquitectura objetivo: 8 GB para checkpoints SD 1.5, 12 GB para SDXL, 16-24 GB para iterar cómodo en FLUX. Si el sistema reporta solo una GPU integrada (Intel UHD, AMD Vega APU, Apple serie M anterior a M3 Pro), el camino de instalación en local va a ser poco práctico; salta a la sección de alternativas alojadas. Usuarios de Mac: menú Apple → Acerca de este Mac → Más información enseña la GPU y la memoria unificada; 16 GB de memoria unificada es el suelo cómodo para SDXL vía Diffusers.

   Sáltalo si ya sabes que tu hardware pasa el suelo.

2. 2

   Instala Python 3.10.6 y Git

   Descarga Python 3.10.6 de python.org/downloads/release/python-3106 (NO una versión más nueva; el grafo de dependencias se rompe en Python 3.11+) [Source: Python.org: página de la versión Python 3.10.6 · verified 2026-05-17]. En Windows, marca "Add Python to PATH" durante la instalación. Instala Git desde git-scm.com/downloads. Desde una terminal nueva, verifica con python --version (debería devolver Python 3.10.6) y git --version (cualquier 2.x vale). Si python te devuelve una versión 3.11 o 3.12, tu PATH de sistema apunta a la instalación equivocada; arréglalo antes de seguir.

   Sáltalo si python --version ya devuelve 3.10.6.

3. 3

   Clona el repo de la WebUI que elijas

   Elige una WebUI de la tabla comparativa de arriba. Abre una terminal en la carpeta donde quieres la instalación (una ruta sin espacios ni caracteres raros es más segura). Ejecuta uno de los tres comandos de clonado:

   • Automatic1111: git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
   • Forge: git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git
   • ComfyUI: git clone https://github.com/Comfy-Org/ComfyUI.git

   Esto trae unos 200 MB de código del repo. Entra en la carpeta clonada.

   Sáltalo si ya tienes una WebUI clonada y solo necesitas actualizar con git pull.

4. 4

   Primer arranque y descarga del modelo base

   En Windows, doble clic en webui-user.bat (Automatic1111 y Forge) o run_nvidia_gpu.bat (ComfyUI). En Mac y Linux, ejecuta bash webui.sh (Automatic1111 y Forge) o python main.py (ComfyUI) desde la carpeta clonada. El primer arranque instala un entorno virtual de Python, instala con pip unas 40 dependencias y descarga el modelo base Stable Diffusion 1.5 (≈ 4 GB) de HuggingFace. El tiempo total del primer arranque va de 5 a 15 minutos en una conexión doméstica típica. La terminal acaba imprimiendo una URL como http://127.0.0.1:7860 (Automatic1111 y Forge) o http://127.0.0.1:8188 (ComfyUI). Ábrela en un navegador. La instalación base está completa.

   Sáltalo si la WebUI ya corre en la URL impresa.

5. 5

   Descarga un checkpoint sin censura de Civitai

   Civitai es el mercado de la comunidad donde viven los fine-tunes sin censura. Entra en civitai.com, inicia sesión (gratis), pon el filtro de clasificación de contenido para mostrar contenido explícito y elige un checkpoint que encaje con tu estilo:

   • Pony Diffusion V6 XL para anime, cartoon, furry: 285,7 millones de descargas, arquitectura SDXL, sistema de prompting con tags de calidad score_9 documentado por el autor [Source: Civitai: ficha del modelo Pony Diffusion V6 XL · verified 2026-05-17].
   • Realistic Vision V6.0 B1 para fotorrealismo en SD 1.5: 729.019 descargas, licencia CreativeML Open RAIL++-M [Source: Civitai: ficha del modelo Realistic Vision V6.0 B1 · verified 2026-05-17].
   • DreamShaper 8 para versatilidad de uso general en SD 1.5: 1.022.411 descargas [Source: Civitai: ficha del modelo DreamShaper · verified 2026-05-17].
   • FLUX.1-dev para fidelidad al prompt (necesita una LoRA de la comunidad para salida sin censura) [Source: HuggingFace: ficha del modelo black-forest-labs/FLUX.1-dev · verified 2026-05-17].

   Pulsa el botón verde de descarga y guarda el archivo .safetensors. Muévelo a la carpeta models/Stable-diffusion de tu instalación de WebUI (o models/checkpoints para ComfyUI). De vuelta en la pestaña del navegador de la WebUI, pulsa el icono de refrescar al lado del desplegable de modelos y elige el nuevo checkpoint.

   Sáltalo si solo necesitas un flujo SFW; el modelo base 1.5 maneja los prompts SFW sin problema.

6. 6

   Instala una LoRA para controlar el estilo o el personaje

   Una LoRA (Low-Rank Adaptation) es un archivo pequeño de fine-tune, normalmente de 50-300 MB, que inclina el checkpoint base hacia un estilo, un arquetipo de personaje o una propiedad de salida concretos, sin reentrenar la base de varios gigabytes. La pestaña LoRA de Civitai aloja el catálogo de la comunidad. Elige una LoRA que coincida con la arquitectura base que descargaste en el paso 5: una LoRA SD 1.5 solo se empareja con un checkpoint SD 1.5; una LoRA SDXL solo con un checkpoint SDXL. El desajuste de arquitectura produce salida estropeada, no un mensaje de error.

   Descarga el archivo .safetensors. Muévelo a models/Lora (Automatic1111 y Forge) o models/loras (ComfyUI). En tu prompt positivo, llama a la LoRA con la sintaxis <lora:nombredelarchivo:0.7>, cambiando nombredelarchivo por el nombre exacto del archivo sin la extensión .safetensors, y 0.7 por la fuerza. La banda típica es 0.6-0.8; por debajo de 0.4 el efecto es flojo, por encima de 1.0 aplasta otros tokens del prompt.

   Sáltalo si quieres la salida cruda del checkpoint base sin modificar el estilo.

7. 7

   Desactiva el safety checker y lanza tu primera generación

   Automatic1111 trae un safety_checker que difumina las salidas marcadas. Edita webui-user.bat en Windows o webui-user.sh en Mac y Linux. Busca la línea COMMANDLINE_ARGS= y añade --disable-safe-unpickle --no-half-vae. El flag --no-half-vae arregla un bug de imagen en negro en algunas tarjetas NVIDIA. Guarda el archivo y reinicia la WebUI cerrando la terminal y volviendo a lanzar. Forge se entrega sin safety checker por defecto, así que el paso 7 sobra ahí. ComfyUI tampoco carga el safety checker en los flujos por defecto.

   Escribe un prompt positivo (descriptores de estilo, sujeto, tags de calidad) y un prompt negativo (bad anatomy, blurry, deformed, low quality, text, watermark es un default sensato). Pon el sampler en DPM++ 2M Karras (SD 1.5) o Euler A (SDXL / Pony V6 XL), los pasos en 25-30, el CFG en 6-8, la resolución en 512×768 (SD 1.5) o 1024×1024 (SDXL). Pulsa Generar. La primera imagen suele caer en 5-15 segundos en una GPU de gama media. Itera sobre el peso del prompt, la elección de sampler, el bloqueo de semilla y la fuerza de la LoRA hasta que la salida encaje con la intención.

   Sáltalo si tu WebUI es Forge; el safety checker no está presente por defecto.

Trampas comunes (y cómo evitarlas)

Trampa 1: instalar Python 3.11 o 3.12 en vez de 3.10.6

Esta es la que pilla a todo el mundo. Las versiones más nuevas de Python traen cambios que rompen el grafo de dependencias (torch, xformers, transformers), así que el launch.py de la WebUI peta con errores crípticos de importación en el primer arranque. La solución: desinstala el Python equivocado, instala el 3.10.6 de python.org y luego verifica con python --version desde una terminal nueva. Si tienes varias versiones de Python conviviendo en Windows, usa el lanzador de Python (py -3.10) para forzar el intérprete correcto cuando lances la WebUI a mano.

Trampa 2: errores de falta de memoria en SDXL o FLUX con 8 GB de VRAM

Los checkpoints SDXL (Pony V6 XL, SDXL base) quieren 12 GB de VRAM para generar cómodos a 1024×1024, así que una tarjeta de 8 GB queda por debajo del suelo. Tienes tres salidas. Pásate a Forge, que carga el U-Net de forma perezosa y recorta la VRAM en torno al 25% en SDXL. O genera a 768×768 y luego haz upscale. O simplemente cae de vuelta a un checkpoint SD 1.5 como Realistic Vision V6.0 B1 que entra limpio en 8 GB. FLUX.1-dev a la escala completa de 12B de parámetros es inviable por debajo de 16 GB de VRAM; las versiones cuantizadas FP8 o NF4 de HuggingFace son el apaño para tarjetas de 8-12 GB.

Trampa 3: desajuste de arquitectura entre LoRA y checkpoint

Apila una LoRA SD 1.5 sobre un checkpoint SDXL (o al revés) y te llevas salida estropeada, artefactos de color y "anatomía de monstruo" sin ningún mensaje de error. Solo imágenes malas. Civitai etiqueta el modelo base de cada LoRA arriba del todo de la ficha del modelo, así que lee esa etiqueta antes de descargar. El nombre del archivo a veces da pistas de la arquitectura, pero miente lo bastante a menudo como para que mejor te fíes de la ficha del modelo.

Trampa 4: descargar checkpoints de mirrors de terceros

Civitai y HuggingFace son tus dos fuentes con autoridad, y se acabó. Los mirrors aleatorios de terceros que alojan archivos .safetensors han sacado a la luz malware en formato .pickle escondido en los pesos del modelo más de una vez a lo largo de 2023-2024. ¿Te acuerdas de ese flag --disable-safe-unpickle del paso 7? Salta el escáner de pickle de la WebUI, así que combinarlo con un checkpoint de algún mirror sospechoso es una forma genuina de que te revienten la máquina. Quédate con Civitai y HuggingFace, y mira la antigüedad del perfil del creador y su número de descargas antes de fiarte de un checkpoint sin procedencia.

Trampa 5: confundir la privacidad en local con la legalidad universal

Correr Stable Diffusion en local te deja fuera del alcance de la moderación a nivel de plataforma (no se sube nada), pero no te entrega inmunidad legal. Las tres líneas rojas de la sección del suelo legal aplican exactamente igual generes en una plataforma alojada o en tu propia máquina. La privacidad es real. La cobertura legal sobre contenido fuera de alcance no lo es. Prueba simple: si no lo generarías en una plataforma alojada con tu nombre real, no lo generes tampoco en local.

Líneas rojas duras que aplican en todas partes

Tres restricciones aplican a cada checkpoint de Stable Diffusion, a cada LoRA, a cada alternativa alojada, a cada jurisdicción que cubrimos. Sin excepciones.

Nada de representaciones de menores. La ley federal de EE. UU. (18 USC 2252A) trata las representaciones visuales de menores generadas por IA con actividad sexual como material de abuso sexual infantil, con penas idénticas a las del CSAM fotográfico. La Take It Down Act aprobada en 2025 añade encima obligaciones de retirada a nivel federal para las plataformas. La licencia de FLUX.1-dev escribe el régimen de protección contra contenido de menores directamente en la ficha del modelo. Y a cualquier creador de checkpoints en Civitai que saque un modelo que reproduzca este contenido con facilidad se lo retira el equipo de moderación de Civitai a los pocos días de detectarlo.

Nada de escenarios no consensuados. Al menos 27 estados de EE. UU. han aprobado leyes que criminalizan la imagen íntima no consensuada, cubriendo la generación, la distribución o las dos. La licencia de FLUX.1-dev lo lista en la sección de fuera de alcance, y la licencia Modified Fair AI de Pony Diffusion V6 XL lleva sus propias restricciones en el mismo eje.

Nada de parecido de personas reales sin consentimiento explícito. Una LoRA entrenada para reproducir el parecido de un famoso real, o de tu ex, o de cualquier otro que no dio su acuerdo, falla la prueba de consentimiento todas las veces. Los términos de servicio de Civitai prohibieron esta categoría en la actualización de política de 2024, y cada plataforma alojada de este espacio prohíbe los deepfakes de personas reales en sus términos también. La exposición legal bajo las leyes estatales emergentes es real, y no para de crecer.

Alternativas listas para usar para lectores no técnicos

La instalación en local de arriba es gratis si el hardware es tuyo, pero el peaje de montaje (30-90 minutos la primera vez, más el mantenimiento cada vez que una WebUI se actualiza) y el suelo de GPU (12 GB de VRAM para SDXL) dejan fuera a una buena tajada de lectores. Así que aquí van cuatro plataformas alojadas que producen generación de imagen sin censura en planes públicamente accesibles, con operadores corporativos verificables y programas de afiliados activos en nuestro conjunto aprobado. Puntuamos cada una con nuestra página de puntuación.

La generación de imagen sin censura de Promptchan es el buque insignia de imagen de este espacio. Los modelos por debajo incluyen FLUX.1, Stable Diffusion 3 y Pony, las mismas arquitecturas listadas arriba, solo que con una interfaz alojada delante que se traga el peaje de montaje por ti. Te llevas 30-50 gemas diarias en el plan gratis con salida con marca de agua, y el plan Plus (en torno a $11.99/mes) quita la marca de agua. El V5 Video Engine se sienta en Pro [Source: Apple App Store: ficha de Promptchan · verified 2026-05-17]. Elige esta si quieres salida cruda de imagen sin tocar un solo checkpoint.

Candy.ai, compuesto 8.4 es la opción con compañera incluida: generación de imagen más chat persistente más voz más una persona que personalizas, en un plan anual que sale en torno a $3.99/mes. Es el precio anual más barato de nuestro conjunto alojado cubierto para una experiencia de imagen incluida en el paquete. Elige esta cuando la generación de imagen es una parte de un flujo más amplio de compañera IA en vez de todo el objetivo. Y sí, hace personas de novia o de novio, la que vayas buscando.

El desglose completo de DarLink es la opción anclada en la narrativa. Domiciliada en Suiza, montada alrededor de Scenario más salida de Media con un sistema de Living Memory de tres niveles, e incrusta imágenes inline con 4K declarados dentro de un arco de historia en marcha. Elige esta si quieres tu salida sin censura tejida en una narrativa en vez de escupida como prompts sueltos.

El review completo de Joi es la opción de consistencia de personaje. Su Face-Sync V4 es el bloqueo de identidad mejor documentado de nuestro conjunto de prueba: el mismo personaje aguanta entre re-rolls y entre fotogramas de vídeo Dream Clips a resolución casi-4K. El anual Premium sale en torno a $4/mes. Elige esta cuando mantener a un solo personaje reconocible a lo largo de docenas de generaciones es lo que más te importa. Un aviso, eso sí: Joi está geo-bloqueada en el Reino Unido, así que los lectores del Reino Unido mejor que pillen una de las otras tres [Source: Joi: landing de no disponible en el Reino Unido · verified 2026-05-17].

Preguntas frecuentes

Cuándo esta guía no aplica

Si no tienes una GPU NVIDIA con al menos 8 GB de VRAM, una tarjeta AMD con la que estés dispuesto a pelearte a través de herramientas reducidas, o Apple Silicon con 16 GB de memoria unificada, el camino de instalación en local simplemente no es práctico. Elige mejor una alternativa alojada de la sección de cuatro picks de arriba. Y si estás aquí para generar personas reales sin su consentimiento, cualquier cosa que implique menores o escenarios no consensuados, para ya. Eso está fuera de alcance en todas partes, en tu propia máquina y en cada plataforma alojada por igual. Esta guía da por hecho que son lectores adultos generando personajes ficticios, renderizados por IA, adultos y consentidos.

---

Última verificación el 17 de mayo de 2026 · Mira el registro de erratas para cualquier corrección posterior a la publicación · Editora: Alexandra Joly · Metodología · Proceso editorial · Divulgación de afiliados

Sáltate el montaje de la GPU, prueba Promptchan gratis →

Compañera más generación de imagen en un paquete: prueba Candy.ai →

Generación de imagen anclada en la narrativa: prueba DarLink Ai →

Consistencia de personaje con face-lock: prueba Joi →

Lecturas relacionadas

• el ranking completo de generadores de imagen IA
• Mejores modelos de Stable Diffusion sin censura: 5 picks probados
• Mejor generador de imágenes IA sin censura (ranking completo)
• Civitai vs Promptchan: comparación de open-source frente a alojado
• Sistema de puntuación de compañeras IA: metodología
• el review de Promptchan en 8 dimensiones
• el análisis completo de Candy.ai
• el análisis de Joi.ai