generative-models 模型权重获取与首次推理SDXL、SVD/SV3D、SV4D 三条任务路径【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models本文面向 generative-models 仓库Stability AI 生成模型代码库的开发者说明如何按文本生成图像、图生视频、4D 资产三类目标用 huggingface-cli 获取对应的 SDXL、SVD/SV3D、SV4D 模型权重并用仓库自带的采样脚本完成一次可验证的首次推理。最终产物是仓库根目录checkpoints/下与推理配置一一对应的.safetensors权重文件以及一次无报错的最小推理输出全文统一约定权重落地目录为checkpoints/与 yaml 中ckpt_path字段保持一致无需额外改名或写配置。起步前检查清单本节先确认代码仓库与运行环境达到最低要求并预留权重落盘空间。尚未克隆仓库时先执行# 克隆仓库并进入根目录 git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models完成标志当前目录含main.py、configs/、scripts/、assets/等条目。项目要求验证方式Python3.10仓库在 python3.10 下验证python --versionPyTorch2.0.1cu118 轮子python -c import torch; print(torch.__version__)CUDA11.8与 pip 安装的 cu118 索引匹配nvidia-smiPython 依赖按 README.md Installation 一节pip3 install -r requirements/pt2.txt后pip3 install .python -c import sgm无 ImportErrorhuggingface-cli任意支持download子命令的版本huggingface-cli --version磁盘预留 100GB 以上SV4D 2.0 单文件即数十 GBdf -h .huggingface-cli 默认支持断点续传长时间传输可安排在网络低峰期若 HuggingFace 访问不畅镜像端点配置见下文“提速与断点续传三招”一节。按目标选型三条任务路径决策表按最终产物对号入座下表一行对应一条任务路径备注列即该路径在仓库内对应的配置文件或脚本下载时按行取权重即可。任务类型代表模型输入输出权重大小备注文本/图像生成静态图像SDXL-base-1.0文本提示词1024×1024 静态图像约 6.9GB结构配置见 configs/inference/ 的sd_xl_base.yaml图生视频 / 单图多视角SVD14 帧/ SVD-XT25 帧/ SV3D_u / SV3D_p单张静态图576×1024 或 576×57614/25 帧 576×1024 视频21 帧 576×576 环绕视频SVD 系列单个 9GB 量级SV3D 以官方页面为准统一由scripts/sampling/simple_video_sample.py驱动4D 资产新视角合成SV4D 2.012 帧 576×576 白底运动视频48 帧12 帧 × 4 视角576×576 视频数十 GB以官方页面为准初代 SV4D 另需sv4d.safetensors与sv3d_u.safetensors各文件的准确大小与授权条款以对应模型仓库页面为准SV4D 2.0 的 8 视角变体为同仓库的sv4d2_8views.safetensors按需加购。获取权重一套模板三组参数三条路径共用同一套获取语法差异仅在仓库名与文件名替换参数即可执行。# 通用形态 huggingface-cli download 仓库名 文件1 [文件2 ...] --local-dir checkpoints # --local-dir 指定落地目录仓库内所有 ckpt_path 均指向 checkpoints/执行后checkpoints/下新增对应.safetensors文件大小与下表“权重大小”列一致。路径一SDXL 静态图像# 仅拉取 SDXL-base-1.0 的 safetensors 权重 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors \ --local-dir checkpoints完成标志checkpoints/sd_xl_base_1.0.safetensors约 6.9GB目录内无.incomplete残留。路径二图生视频 SVD 与 SV3D# 图生视频四件套SVD 14 帧、SVD-XT 25 帧、SV3D 两个变体 huggingface-cli download stabilityai/stable-video-diffusion-img2vid svd.safetensors --local-dir checkpoints huggingface-cli download stabilityai/stable-video-diffusion-img2vid-xt svd_xt.safetensors --local-dir checkpoints huggingface-cli download stabilityai/sv3d sv3d_u.safetensors sv3d_p.safetensors --local-dir checkpoints完成标志checkpoints/下svd.safetensors、svd_xt.safetensors、sv3d_u.safetensors、sv3d_p.safetensors共 4 个文件均存在且大小非零低显存可补拉svd_image_decoder.safetensors变体。路径三4D 资产 SV4D 2.0# SV4D 2.0 主权重 huggingface-cli download stabilityai/sv4d2.0 sv4d2.safetensors --local-dir checkpoints完成标志checkpoints/sv4d2.safetensors落地且大小达数十 GB 量级以官方页面为准传输日志无中断。提速与断点续传三招镜像端点HuggingFace 访问不畅时在当前会话导出镜像之后所有 huggingface-cli 请求改走镜像镜像文件列表有同步延迟新权重若提示找不到文件取消该变量后回退官方端点。export HF_ENDPOINThttps://hf-mirror.com断点续传网络中断后原样重放获取命令即可从断点继续本地缓存与目标目录中的.incomplete文件是续传依据不要手动移动或清理。# 中断后重放同一条命令 huggingface-cli download stabilityai/stable-video-diffusion-img2vid-xt svd_xt.safetensors --local-dir checkpoints并发下载单文件拉取慢时从官方文件页面手动复制直链用 aria2c 开 16 连接并发注意 aria2c 不识别 HuggingFace 仓库结构也不参与 hf 命令的续传机制。aria2c -x 16 -s 16 -o svd.safetensors 权重文件直链故障速查现象可能原因处置加载时报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核对官方页面文件清单后重放获取命令CUDA out of memory单批解码帧数占用显存过高采样脚本追加--decoding_t1或--encoding_t1或--img_size 512模型可加载但输出模糊、畸变yaml 配置与权重来自不同发布版本核对 scripts/sampling/configs/ 中ckpt_path与checkpoints/实际文件名0 字节文件、.incomplete残留传输被中断重放同一条 huggingface-cli 命令续传速度仍慢则切换镜像端点仍无法解决时按顺序升级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 均提供。逐项核对 scripts/sampling/configs/ 各 yaml 的ckpt_path与checkpoints/实际文件名确认二者来自同一发布版本。删除整个checkpoints/目录重放该模型的完整获取命令重新拉取。首次推理验收标准用仓库自带测试图跑通 SVD 最小推理通过本节即视为权重与环境双重就绪。# SVD 14 帧版默认 25 采样步 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参考帧与000000.mp414 帧生成视频终端无 traceback其余任务的入口在 scripts/sampling/如 SV4D 2.0 用simple_video_sample_4d2.pySDXL 用streamlit run scripts/demo/sampling.py模型结构配置位于 configs/inference/ 与 scripts/sampling/configs/低显存机器可先用--encoding_t1、--decoding_t1降单批帧数再逐步放开。【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