generative-models 模型下载与首次推理：SDXL 到 SV4D 的三条路径一次配齐-二趣网

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 refiner）	`sd_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-XT	`svd.safetensors`、`svd_xt.safetensors`	各约 1.5～2.3GB
单图合成环绕多视角视频	SV3D	`sv3d_u.safetensors`、`sv3d_p.safetensors`	各数 GB
短视频合成新视角 4D 资产	SV4D 2.0	`sv4d2.safetensors`（8 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
Python	3.10（仓库按 3.10 验证）	`python --version`
PyTorch	2.0.1	`python -c "import torch; print(torch.__version__)"`
CUDA	11.8（安装 torch 时选 cu118）	`nvidia-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 checkpoints

refiner 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_ENDPOINT=https://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_t=1`（或`--encoding_t=1`、`--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

企业官网建设流程全解析