拓冰网站定制 
SDXL 权重下载与首次推理从拉取到出视频的最小路径【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models读完后你能独立完成 SDXL 权重下载、SVD/SV3D/SV4D 模型拉取、safetensors 文件校验并跑通第一条生成视频的最小推理命令。开工前 3 分钟自检如果本地还没有仓库先克隆后续所有命令都在仓库根目录执行# 克隆仓库并进入根目录 git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models依赖项最低版本验证命令不满足时的典型报错Python3.10python --versiontorch/xformers 装不上、SyntaxErrorPyTorch2.0.1python -c import torch; print(torch.__version__)ModuleNotFoundError: No module named torchCUDA11.8nvidia-smiTorch not compiled with CUDA enabledHugging Face CLI任意需支持download子命令huggingface-cli --versionhuggingface-cli: command not found四项都过之后装一次仓库锁定的依赖torch≥2.0.1、xformers 等版本都在这里固定# 安装仓库锁定的全部 Python 依赖 pip install -r requirements/pt2.txt单个权重从 SDXL base 的约 7GB 到 SV4D 2.0 的 30GB 以上建议目标磁盘预留 100GB 以上。huggingface-cli 默认支持断点续传传输中断后重放同一条命令会从断点继续不用删已有文件。如果你所在网络访问 HuggingFace 官方站点不畅先跳到下文「传输调优」一节配置镜像。按产出目标拉取权重所有产物统一落在仓库根目录的checkpoints/下与各推理配置里的ckpt_path一一对应按你要的产出目标取用产出目标对应模型输出文件名预期大小推理配置路径文本生成图像SDXL base 1.0checkpoints/sd_xl_base_1.0.safetensors约 6.9GBconfigs/inference/sd_xl_base.yaml图生视频SVD14 帧/ SVD-XT25 帧checkpoints/svd.safetensors、checkpoints/svd_xt.safetensors各约 9.5GBscripts/sampling/configs/svd.yaml单图多视角环绕SV3D u/p 变体checkpoints/sv3d_u.safetensors、checkpoints/sv3d_p.safetensors各约 9.5GBscripts/sampling/configs/sv3d_u.yaml4D 资产新视角SV4D 2.0checkpoints/sv4d2.safetensors30GB 以上scripts/sampling/configs/sv4d2.yaml拉取文生图的 SDXL 权重能做什么输入文本提示词 → 输出 1024x1024 静态图像分辨率可选 1:2 到 2:1 共 25 档比例。# 预期产物checkpoints/sd_xl_base_1.0.safetensors约 6.9GB--local-dir 指定输出目录 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors \ --local-dir checkpoints验证通过标准ls -lh checkpoints/sd_xl_base_1.0.safetensors看到约 6.9GB 的文件、且 checkpoints/ 内无.incomplete残留即 ✅ 通过。想加 refiner 精修阶段时再取同仓库的sd_xl_refiner_1.0.safetensors对应 configs/inference/sd_xl_refiner.yaml。拉取图生视频与多视角环绕权重能做什么输入单张静态图 → 输出 14 帧SVD或 25 帧SVD-XT运动视频SV3D 则从单图合成 21 帧、360° 环绕视角视频。# 预期产物svd.safetensors、svd_xt.safetensors、sv3d_u.safetensors、sv3d_p.safetensors 共 4 个文件各约 9.5GB 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验证通过标准ls -lh checkpoints/svd.safetensors checkpoints/svd_xt.safetensors \ checkpoints/sv3d_u.safetensors checkpoints/sv3d_p.safetensors4 个文件齐全且大小均约 9.5GB 即通过。显存紧张时可从 SVD 仓库补拉svd_image_decoder.safetensors图像解码器变体对应 scripts/sampling/configs/svd_image_decoder.yaml。拉取 4D 资产生成的 SV4D 2.0 权重能做什么输入一段白底运动物体短视频 → 输出 48 帧12 帧 x 4 视角新视角 4D 资产8 视角变体用同仓库的sv4d2_8views.safetensors。# 预期产物checkpoints/sv4d2.safetensors30GB 以上传输耗时最长 huggingface-cli download stabilityai/sv4d2.0 \ sv4d2.safetensors --local-dir checkpoints验证通过标准ls -lh checkpoints/sv4d2.safetensors看到数十 GB 量级的文件、无.incomplete残留即通过。如果还要跑初代 SV4D另从stabilityai/sv4d仓库取sv4d.safetensors它的采样同时依赖上一节已下载的sv3d_u.safetensors。排查传输瓶颈与常见报错以下手段仅当遇到对应现象时才用网络正常就跳到最后一节。HF 官方不可达连接超时、速度低于 1MB/s 时触发给当前会话设置镜像端点之后的 huggingface-cli 请求走镜像# 仅当前会话生效之后的 huggingface-cli 请求走镜像 export HF_ENDPOINThttps://hf-mirror.com镜像的文件列表有同步延迟。新权重若报「文件不存在」用unset HF_ENDPOINT取消该变量回退官方端点。中断后重放续传目录出现 0 字节文件或.incomplete残留时触发重放同一获取命令即可从断点继续。续传记录保存在本地缓存与目标目录里不要手动移动或清理这些位置否则断点重置。单连接慢但网络稳定aria2c 并发加速单文件# 从模型仓库文件页拿到权重直链后用 16 个连接并发拉取 aria2c -x 16 -s 16 -o svd.safetensors 权重文件直链⚠️ aria2c 不识别 HuggingFace 仓库结构也不参与 hf 命令的断点续传机制直链需要手动复制。报错速查表现象根因处置命令或操作加载报Missing key(s) in state_dict权重不完整或版本与配置不匹配删除对应文件后重放获取命令CUDA out of memory显存不足采样脚本加--decoding_t1或降输出分辨率生成结果模糊、畸变配置与权重版本不一致核对 yaml 的ckpt_path与 checkpoints/ 实际文件名残留 0 字节或.incomplete文件网络中断的传输残留重放同一 huggingface-cli 命令续传仍无法解决时按此顺序逐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。逐项核对 scripts/sampling/configs/ 中各 yaml 的ckpt_path与 checkpoints/ 内实际文件名。删除整个 checkpoints/ 目录重放该模型的完整获取命令。跑通最小推理与后续以 SVD 路径为例在仓库根目录直接执行最小推理# 用仓库自带测试图生成 14 帧视频默认 25 步 python scripts/sampling/simple_video_sample.py \ --input_path assets/test_image.png --version svd顺利时终端无 tracebackoutputs/simple_video_sample/svd/目录新增一对文件000000.jpg 000000.mp4显存不足时给采样脚本加--decoding_t默认 14即单批解码帧数OOM 就调小。其余模型的采样脚本与--version取值清单见 scripts/sampling/各推理入口对应的模型结构 yaml 见 configs/inference/。首次推理通过后按需补齐其余权重所有命令可随时重放。【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 SDXL 权重下载与首次推理：从拉取到出视频的最小路径
SDXL 权重下载与首次推理从拉取到出视频的最小路径【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models读完后你能独立完成 SDXL 权重下载、SVD/SV3D/SV4D 模型拉取、safetensors 文件校验并跑通第一条生成视频的最小推理命令。开工前 3 分钟自检如果本地还没有仓库先克隆后续所有命令都在仓库根目录执行# 克隆仓库并进入根目录 git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models依赖项最低版本验证命令不满足时的典型报错Python3.10python --versiontorch/xformers 装不上、SyntaxErrorPyTorch2.0.1python -c import torch; print(torch.__version__)ModuleNotFoundError: No module named torchCUDA11.8nvidia-smiTorch not compiled with CUDA enabledHugging Face CLI任意需支持download子命令huggingface-cli --versionhuggingface-cli: command not found四项都过之后装一次仓库锁定的依赖torch≥2.0.1、xformers 等版本都在这里固定# 安装仓库锁定的全部 Python 依赖 pip install -r requirements/pt2.txt单个权重从 SDXL base 的约 7GB 到 SV4D 2.0 的 30GB 以上建议目标磁盘预留 100GB 以上。huggingface-cli 默认支持断点续传传输中断后重放同一条命令会从断点继续不用删已有文件。如果你所在网络访问 HuggingFace 官方站点不畅先跳到下文「传输调优」一节配置镜像。按产出目标拉取权重所有产物统一落在仓库根目录的checkpoints/下与各推理配置里的ckpt_path一一对应按你要的产出目标取用产出目标对应模型输出文件名预期大小推理配置路径文本生成图像SDXL base 1.0checkpoints/sd_xl_base_1.0.safetensors约 6.9GBconfigs/inference/sd_xl_base.yaml图生视频SVD14 帧/ SVD-XT25 帧checkpoints/svd.safetensors、checkpoints/svd_xt.safetensors各约 9.5GBscripts/sampling/configs/svd.yaml单图多视角环绕SV3D u/p 变体checkpoints/sv3d_u.safetensors、checkpoints/sv3d_p.safetensors各约 9.5GBscripts/sampling/configs/sv3d_u.yaml4D 资产新视角SV4D 2.0checkpoints/sv4d2.safetensors30GB 以上scripts/sampling/configs/sv4d2.yaml拉取文生图的 SDXL 权重能做什么输入文本提示词 → 输出 1024x1024 静态图像分辨率可选 1:2 到 2:1 共 25 档比例。# 预期产物checkpoints/sd_xl_base_1.0.safetensors约 6.9GB--local-dir 指定输出目录 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors \ --local-dir checkpoints验证通过标准ls -lh checkpoints/sd_xl_base_1.0.safetensors看到约 6.9GB 的文件、且 checkpoints/ 内无.incomplete残留即 ✅ 通过。想加 refiner 精修阶段时再取同仓库的sd_xl_refiner_1.0.safetensors对应 configs/inference/sd_xl_refiner.yaml。拉取图生视频与多视角环绕权重能做什么输入单张静态图 → 输出 14 帧SVD或 25 帧SVD-XT运动视频SV3D 则从单图合成 21 帧、360° 环绕视角视频。# 预期产物svd.safetensors、svd_xt.safetensors、sv3d_u.safetensors、sv3d_p.safetensors 共 4 个文件各约 9.5GB 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验证通过标准ls -lh checkpoints/svd.safetensors checkpoints/svd_xt.safetensors \ checkpoints/sv3d_u.safetensors checkpoints/sv3d_p.safetensors4 个文件齐全且大小均约 9.5GB 即通过。显存紧张时可从 SVD 仓库补拉svd_image_decoder.safetensors图像解码器变体对应 scripts/sampling/configs/svd_image_decoder.yaml。拉取 4D 资产生成的 SV4D 2.0 权重能做什么输入一段白底运动物体短视频 → 输出 48 帧12 帧 x 4 视角新视角 4D 资产8 视角变体用同仓库的sv4d2_8views.safetensors。# 预期产物checkpoints/sv4d2.safetensors30GB 以上传输耗时最长 huggingface-cli download stabilityai/sv4d2.0 \ sv4d2.safetensors --local-dir checkpoints验证通过标准ls -lh checkpoints/sv4d2.safetensors看到数十 GB 量级的文件、无.incomplete残留即通过。如果还要跑初代 SV4D另从stabilityai/sv4d仓库取sv4d.safetensors它的采样同时依赖上一节已下载的sv3d_u.safetensors。排查传输瓶颈与常见报错以下手段仅当遇到对应现象时才用网络正常就跳到最后一节。HF 官方不可达连接超时、速度低于 1MB/s 时触发给当前会话设置镜像端点之后的 huggingface-cli 请求走镜像# 仅当前会话生效之后的 huggingface-cli 请求走镜像 export HF_ENDPOINThttps://hf-mirror.com镜像的文件列表有同步延迟。新权重若报「文件不存在」用unset HF_ENDPOINT取消该变量回退官方端点。中断后重放续传目录出现 0 字节文件或.incomplete残留时触发重放同一获取命令即可从断点继续。续传记录保存在本地缓存与目标目录里不要手动移动或清理这些位置否则断点重置。单连接慢但网络稳定aria2c 并发加速单文件# 从模型仓库文件页拿到权重直链后用 16 个连接并发拉取 aria2c -x 16 -s 16 -o svd.safetensors 权重文件直链⚠️ aria2c 不识别 HuggingFace 仓库结构也不参与 hf 命令的断点续传机制直链需要手动复制。报错速查表现象根因处置命令或操作加载报Missing key(s) in state_dict权重不完整或版本与配置不匹配删除对应文件后重放获取命令CUDA out of memory显存不足采样脚本加--decoding_t1或降输出分辨率生成结果模糊、畸变配置与权重版本不一致核对 yaml 的ckpt_path与 checkpoints/ 实际文件名残留 0 字节或.incomplete文件网络中断的传输残留重放同一 huggingface-cli 命令续传仍无法解决时按此顺序逐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。逐项核对 scripts/sampling/configs/ 中各 yaml 的ckpt_path与 checkpoints/ 内实际文件名。删除整个 checkpoints/ 目录重放该模型的完整获取命令。跑通最小推理与后续以 SVD 路径为例在仓库根目录直接执行最小推理# 用仓库自带测试图生成 14 帧视频默认 25 步 python scripts/sampling/simple_video_sample.py \ --input_path assets/test_image.png --version svd顺利时终端无 tracebackoutputs/simple_video_sample/svd/目录新增一对文件000000.jpg 000000.mp4显存不足时给采样脚本加--decoding_t默认 14即单批解码帧数OOM 就调小。其余模型的采样脚本与--version取值清单见 scripts/sampling/各推理入口对应的模型结构 yaml 见 configs/inference/。首次推理通过后按需补齐其余权重所有命令可随时重放。【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