Stability AI 模型下载完整指南从 SDXL 到 SV4D 十分钟跑通首次推理【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models这篇指南带你用 huggingface-cli 完成 Stability AI 模型下载SDXL、SVD、SV3D、SV4D 的权重统一放进 generative-models 仓库根目录的 checkpoints/ 下并跑通首次推理验证。准备清单环境、磁盘与克隆仓库这一节五分钟内能读完做完你手里就有一份能跑的环境和一块放得下所有权重的磁盘。工具最低版本验证命令Python3.10python --versionPyTorch2.0.1python -c import torch; print(torch.__version__)CUDA11.8nvidia-smiHugging Face CLI需支持 download 子命令huggingface-cli --version单个权重文件从约 7GBSDXL到 30GB 以上SV4D 2.0不等动手前先确认目标磁盘至少有 100GB 空余。huggingface-cli 支持断点续传大文件可以挂着慢速下载中断后原命令重放一次就行。# 克隆 generative-models 仓库并进入根目录 git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models所有权重统一落到仓库根目录的 checkpoints/ 下。scripts/sampling/configs/ 里每份配置比如 scripts/sampling/configs/svd.yaml的 ckpt_path 都指向这里你不需要改任何配置。先跑通闭环SVD 从下载到首个视频这一节用 SVD 图生视频当主线把下载 → 确认文件 → 首次推理三步一次走完做完你手里就有一个能播放的视频。先拉 14 帧版# 拉取 SVD 14 帧版权重输出到仓库根目录 checkpoints/ huggingface-cli download stabilityai/stable-video-diffusion-img2vid \ svd.safetensors --local-dir checkpoints然后确认文件真的完整# 确认权重文件存在、大小非零且无 .incomplete 残留 ls -lh checkpoints/预期看到一行 svd.safetensors大小为几 GB。这就是 SVD 模型就绪判断的标准文件齐全、无残留就可以直接进推理。用仓库自带测试图跑首次推理默认 25 步、14 帧# 用仓库自带测试图生成 14 帧视频 python scripts/sampling/simple_video_sample.py \ --input_path assets/test_image.png --version svd预期结果outputs/simple_video_sample/svd/ 新增 000000.jpg 和 000000.mp4 两个文件终端无 traceback。闭环通了后面其他任务就是换权重换参数。展开其余任务主线跑通后剩下的只是换权重的事。下面每个小节都是自包含的按你需要的任务取用。文本生图SDXL base 权重下载与检查SDXL base 负责文本生图和图生图是仓库里验证最多的模型适合当第一个下载对象。# 拉取 SDXL-base-1.0 权重约 6.9GB只取 safetensors huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors --local-dir checkpoints预期文件checkpoints/sd_xl_base_1.0.safetensors和 scripts/demo/sampling.py 里引用的 ckpt 路径一致。ls -lh显示约 6.9GB、目录内没有 .incomplete 残留就可以开始出图了。图生视频SVD 25 帧版与低显存解码器变体想让动作更长更连贯就补 25 帧的 svd_xt显存紧张时图像解码器变体可以逐帧解码省显存。# SVD 25 帧版权重与低显存图像解码器变体统一输出到 checkpoints/ huggingface-cli download stabilityai/stable-video-diffusion-img2vid-xt \ svd_xt.safetensors --local-dir checkpoints huggingface-cli download stabilityai/stable-video-diffusion-img2vid \ svd_image_decoder.safetensors --local-dir checkpoints预期文件checkpoints/svd_xt.safetensors 和 checkpoints/svd_image_decoder.safetensors。两者都在且非零与 scripts/sampling/configs/ 下 svd_xt.yaml、svd_image_decoder.yaml 的 ckpt_path 一一对应就能直接进推理。多视角环绕SV3D u/p 两个变体下载SV3D 从单张图像合成物体的多视角环绕视频每次生成 21 帧u 和 p 是视角策略不同的两个变体。# SV3D 的 u、p 两个变体权重输出到 checkpoints/ huggingface-cli download stabilityai/sv3d \ sv3d_u.safetensors sv3d_p.safetensors --local-dir checkpoints预期文件checkpoints/sv3d_u.safetensors 和 checkpoints/sv3d_p.safetensors。两个文件非零即就绪推理仍走 scripts/sampling/simple_video_sample.py把 --version 换成 sv3d_u 或 sv3d_p。4D 资产SV4D 2.0 权重获取SV4D 2.0 从一段短视频合成 48 帧12 帧 × 4 视角的新视角 4D 资产输入建议用白底运动物体视频。# 拉取 SV4D 2.0 主权重30GB 以上8 视角变体用同仓库的 sv4d2_8views.safetensors huggingface-cli download stabilityai/sv4d2.0 \ sv4d2.safetensors --local-dir checkpoints预期文件checkpoints/sv4d2.safetensors与 scripts/sampling/configs/sv4d2.yaml 的 ckpt_path 对应。ls -lh显示数十 GB 且无 .incomplete 残留即可运行 scripts/sampling/simple_video_sample_4d2.py。如需初代 SV4D再补下 stabilityai/sv4d 仓库的 sv4d.safetensors它的推理脚本同时依赖已下载的 sv3d_u.safetensors。网络与效率镜像、续传与并发下载权重是长任务下面三个技巧分别应对网络不畅和速度瓶颈。镜像端点HuggingFace 访问不稳时给当前会话切一条镜像# 当前会话走镜像端点之后的 huggingface-cli 请求都生效 export HF_ENDPOINThttps://hf-mirror.com镜像的文件列表有同步延迟新权重若提示找不到文件取消这个变量回官方端点。断点续传网络中断后原样重放原命令即可# 网络中断后原样重放同一条获取命令从断点继续 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors --local-dir checkpoints续传记录存在本地缓存和目标目录里别手动移动或清理这两个位置否则断点重置。aria2c 并发用 16 个连接加速单个大文件# 解析出权重文件直链后用 16 个连接并发拉取 aria2c -x 16 -s 16 -o svd.safetensors 权重文件直链aria2c 不认识 HuggingFace 仓库结构也不参与续传机制直链要从文件页面手动复制。出问题怎么自查你大概率只会遇到下表这四种情况先对现象再走后面的排查流程。现象原因处理加载报 Missing key(s) in state_dict权重文件不完整或版本与配置不匹配删除对应文件重放获取命令重下前核对仓库页面文件清单CUDA out of memory显存不足采样脚本加 --decoding_t1或 --encoding_t1或把 --img_size 降到 512生成图像或视频模糊、畸变配置与权重版本不一致核对 scripts/sampling/configs/ 的 ckpt_path 与 checkpoints/ 实际文件名确保二者来自同一发布版本中断后残留 0 字节或 .incomplete 文件网络中断的传输残留重放同一条 huggingface-cli 命令续传仍慢就切到镜像端点还搞不定的话按顺序走三步排查哈希比对对权重文件执行sha256sum与 README.md Inference 一节给出的文件哈希比对SDXL base 与 refiner 均有列出。配置核对把 scripts/sampling/configs/ 里每份 yaml 的 ckpt_path 与 checkpoints/ 内的实际文件名逐一对照。重新下载删除整个 checkpoints/ 目录重放该模型的完整获取命令。下一步去哪首次推理输出正常后其余模型权重按实际任务补齐即可。各模型采样脚本与版本参数scripts/sampling/各推理入口对应的模型结构配置configs/inference/低显存机器用 --encoding_t 与 --decoding_t 控制单批编解码帧数或把输出分辨率降到 512。权重备齐之后图像、视频、4D 资产三条生成线就都通了。【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考