generative-models 模型下载与首次推理SDXL 到 SV4D 的三条路径一次配齐【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models这篇指南带你走通 Stability AI 的 generative-models 仓库从模型下载到首次推理的完整流程先做环境自检再按生成任务挑选对应权重——SDXL 负责静态图像SVD 与 SV3D 负责图生视频SV4D 负责 4D 资产。所有权重统一放入仓库根目录的checkpoints/配套配置随仓库提供不用手写。任务到权重映射先确定你要生成什么下载之前最值得做的事是定位任务下面这张表把三条路径一次列清后面每个小节都对应其中一行。生成目标对应模型需下载的文件均放入 checkpoints/体积量级文本生图 / 图生图SDXL base可选 refinersd_xl_base_1.0.safetensors可选sd_xl_refiner_1.0.safetensors约 7GB / 约 5GB静态图动起来14 帧 / 25 帧SVD / SVD-XTsvd.safetensors、svd_xt.safetensors各约 1.52.3GB单图合成环绕多视角视频SV3Dsv3d_u.safetensors、sv3d_p.safetensors各数 GB短视频合成新视角 4D 资产SV4D 2.0sv4d2.safetensors8 视角变体sv4d2_8views.safetensors约 30GB表里每个文件名都与 scripts/sampling/configs/ 中各 yaml 的ckpt_path一一对应下载落位后配置无需改动。下载前自检Python、PyTorch、CLI 与磁盘任务定了再确认机器本身没问题避免下到一半才发现环境不达标。组件底线版本怎么查Python3.10仓库按 3.10 验证python --versionPyTorch2.0.1python -c import torch; print(torch.__version__)CUDA11.8安装 torch 时选 cu118nvidia-smi右上角版本Hugging Face CLI任意支持download子命令的版本huggingface-cli --version⚠️ 磁盘方面单个文件从 SDXL 的约 7GB 到 SV4D 2.0 的 30GB 不等如果打算把三条路径的权重都留本地建议目标盘预留 100GB 以上。另外跑推理前记得把仓库依赖装进环境pip3 install -r requirements/pt2.txt pip3 install . # 安装 sgm 包采样脚本依赖它按任务拉取权重并确认落地环境核对完就可以按你的生成目标挑权重了。三条路径的命令都输出到checkpoints/按任务执行对应一段即可。静态图像生成SDXL 基础权重下载命令这条线适合做文本生图或图生图只下sd_xl_base_1.0.safetensors一个主文件就能开工也是最适合首次下载的对象。# 拉取 SDXL base 权重约 6.9GB--include 只取 safetensors--local-dir 指定落点 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors --local-dir checkpoints # 完成后得到 checkpoints/sd_xl_base_1.0.safetensors # 可选需要 refiner 精修img2img 第二步时再补一个文件 huggingface-cli download stabilityai/stable-diffusion-xl-refiner-1.0 \ --include *.safetensors --local-dir checkpointsrefiner 不是 txt2img 模型只在图生图流程里对 base 的结果做二次精修对应 configs/inference/sd_xl_refiner.yaml。只玩文本生图的话可以先不下。确认落好了ls -lh checkpoints/sd_xl_base_1.0.safetensors # 预期约 6.9GB 的单个文件且目录内无 .incomplete 残留图生视频生成SVD 与 SV3D 权重下载命令这条线适合让单张静态图动起来SVD 出 14 帧或 25 帧或由单图合成环绕视角视频SV3D一次下 4 个文件。# SVD 14 帧版 huggingface-cli download stabilityai/stable-video-diffusion-img2vid \ svd.safetensors --local-dir checkpoints # SVD-XT 25 帧版 huggingface-cli download stabilityai/stable-video-diffusion-img2vid-xt \ svd_xt.safetensors --local-dir checkpoints # SV3D 两个变体sv3d_u 无相机条件环绕sv3d_p 支持指定相机路径 huggingface-cli download stabilityai/sv3d \ sv3d_u.safetensors sv3d_p.safetensors --local-dir checkpoints # 可选低显存机器用图像解码器变体 huggingface-cli download stabilityai/stable-video-diffusion-img2vid \ svd_image_decoder.safetensors --local-dir checkpoints确认落好了ls -lh checkpoints/svd.safetensors checkpoints/svd_xt.safetensors \ checkpoints/sv3d_u.safetensors checkpoints/sv3d_p.safetensors # 预期4 个文件均存在且大小非零即可进入推理4D 资产生成SV4D 2.0 权重下载命令这条线文件最少、单文件最大约 30GB。输入建议用白底运动物体的短视频SV4D 2.0 每次生成 48 帧12 帧 x 4 视角。# SV4D 2.0 主权重对应 scripts/sampling/configs/sv4d2.yaml huggingface-cli download stabilityai/sv4d2.0 \ sv4d2.safetensors --local-dir checkpoints # 8 视角变体同一仓库替换主权重使用 huggingface-cli download stabilityai/sv4d2.0 \ sv4d2_8views.safetensors --local-dir checkpoints确认落好了ls -lh checkpoints/sv4d2.safetensors # 预期数十 GB 的文件且无 .incomplete 残留如需跑初代 SV4D再从stabilityai/sv4d仓库取sv4d.safetensors其推理脚本同时依赖上面已下的sv3d_u.safetensors。网络不畅时的加速镜像端点与断点续传下载中断、速度上不去是常事两招能解决大部分情况。访问 HuggingFace 不畅时先给当前会话导出镜像端点# 之后本会话的 huggingface-cli 请求都走镜像 export HF_ENDPOINThttps://hf-mirror.com注意镜像的文件列表有同步延迟新权重若提示找不到文件就取消这个变量回退官方端点。断点续传不需要额外命令中断后直接重放原下载命令即可从断点继续不用删已有文件。唯一要注意的是别手动移动或清理本地缓存与目标目录否则断点会重置。# 想再快一点从文件页拿到直链后用 aria2c 16 连接并发拉单文件 aria2c -x 16 -s 16 -o svd.safetensors 权重文件直链 # aria2c 不认识仓库结构也不参与 hf 续传只适合单文件提速跑通最小推理一条命令验证全链路权重就位后跑一次最小推理确认全链路通了以 SVD 为例# 用仓库自带测试图生成 14 帧视频默认 25 采样步 python scripts/sampling/simple_video_sample.py \ --input_path assets/test_image.png --version svd # 成功后 outputs/simple_video_sample/svd/ 新增 000000.jpg 与 000000.mp4 # 终端无 traceback、mp4 能正常播放即首次推理通过✅ 输出统一落在仓库根目录的outputs/下--version可换成svd_xt、sv3d_u、sv3d_p等验证其他模型。SV4D 2.0 用独立脚本python scripts/sampling/simple_video_sample_4d2.py \ --input_path assets/sv4d_videos/camel.gif --output_folder outputs其余模型的结构配置yaml在 configs/inference/各采样脚本的参数与版本对应关系见 scripts/sampling/ 下对应文件。高频报错对照现象、根因与处置推理阶段遇到问题时先按下表对号入座多数情况不用重装环境。现象根因处置影响面加载时报Missing key(s) in state_dict权重不完整或版本与配置不匹配删除该文件重放获取命令重下前核对仓库页文件清单该模型无法加载CUDA out of memory显存不足采样脚本加--decoding_t1或--encoding_t1、--img_size降到 512仅当前运行失败降帧后可继续生成结果模糊、畸变配置与权重版本不一致核对 scripts/sampling/configs/ 中 yaml 的ckpt_path与checkpoints/实际文件名是否同一发布版本该模型输出全部异常中断后残留 0 字节或.incomplete文件网络中断留下的传输残留重放同一条 huggingface-cli 命令续传仍慢则切镜像端点仅该文件需重下对照表解决不了时按这个顺序兜底排查对权重文件执行sha256sum与 README.md Inference 一节列出的文件哈希比对SDXL base 与 refiner 均有。逐项核对 scripts/sampling/configs/ 中各ckpt_path与checkpoints/内的实际文件名。删除整个checkpoints/目录重放该模型的完整获取命令。首次推理跑通后再按实际需要补齐其余模型权重即可上面三条路径的获取命令都可以随时重放。【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