Stability AI generative-models 模型下载指南SDXL 到 SV4D 2.0 的放置与校验清单【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-modelsStability AI 的 generative-models 仓库不包含模型权重下载后放哪个文件、放哪、是否完整决定了推理能否跑通。本文面向首次本地运行 SDXL、SVD、SV4D 2.0 的用户给出一份模型下载、放置与校验清单按文操作即可完成权重下载并跑通第一次推理。下哪个权重四类模型的完整清单代码仓库只负责推理逻辑权重在 Hugging Face 上单独托管。所有权重统一放到仓库根目录的checkpoints/下文件名必须与配置完全一致——例如 scripts/sampling/configs/svd.yaml 中的ckpt_path就写死了checkpoints/svd.safetensors。只下载你需要的模型即可每个文件约 7GB 到 10GB 出头建议预留至少 40GB 空闲磁盘。模型Hugging Face 仓库名权重文件用途推理入口SDXL-base-1.0stabilityai/stable-diffusion-xl-base-1.0sd_xl_base_1.0.safetensors文本生成图像streamlit run scripts/demo/sampling.py用 configs/inference/sd_xl_base.yamlSDXL-refiner-1.0stabilityai/stable-diffusion-xl-refiner-1.0sd_xl_refiner_1.0.safetensors图像精修图生图同上用 configs/inference/sd_xl_refiner.yamlSVDstabilityai/stable-video-diffusion-img2vidsvd.safetensors图生视频 14 帧simple_video_sample.py --version svdSVD-XTstabilityai/stable-video-diffusion-img2vid-xtsvd_xt.safetensors图生视频 25 帧simple_video_sample.py --version svd_xtSV3D_u / SV3D_pstabilityai/sv3dsv3d_u.safetensors / sv3d_p.safetensors单图环轨、3D 相机路径视频simple_video_sample.py --version sv3d_u或 sv3d_pSV4D 2.0stabilityai/sv4d2.0sv4d2.safetensors视频转 4D 新视角视频scripts/sampling/simple_video_sample_4d2.py另有 SDXL-Turbostabilityai/sdxl-turbo入口 scripts/demo/turbo.py和 SV4D 2.0 的 8 视角变体sv4d2_8views.safetensors按需添加。环境准备Python 3.10 与依赖安装⚠️ 项目在 Python 3.10 下测试其他版本可能出现 triton、xformers 等包的版本冲突遇到反复的依赖报错时优先换 3.10 重建环境。工具作用说明Python 3.10运行环境官方安装包或系统包管理器PyTorchcu118 轮子推理框架安装命令见下方注意按你的 CUDA 版本选择 index-urlhuggingface-cli下载权重随 transformers 依赖自动装入无需单独安装以下命令一次完成克隆仓库、建虚拟环境、装依赖和安装 sgm 包本身git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models python3.10 -m venv .pt2 source .pt2/bin/activate pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip3 install -r requirements/pt2.txt pip3 install .依赖清单见 requirements/pt2.txt包含 xformers、streamlit、rembg、imageio 等推理所需的全部包pip3 install .安装的是仓库自带的sgm包漏掉它会报ModuleNotFoundError: sgm。分模型下载命令统一落到 checkpoints/用 huggingface-cli 指定单个文件下载避免拉取整个仓库的无关文件。以下三条分别对应文生图、图生视频、视频转 4Dhuggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 sd_xl_base_1.0.safetensors --local-dir checkpoints huggingface-cli download stabilityai/stable-video-diffusion-img2vid svd.safetensors --local-dir checkpoints huggingface-cli download stabilityai/sv4d2.0 sv4d2.safetensors --local-dir checkpoints其余模型照同样格式替换仓库名与文件名即可例如 SV3D 是huggingface-cli download stabilityai/sv3d sv3d_u.safetensors --local-dir checkpoints。网络环境不稳定时可先执行export HF_ENDPOINThttps://hf-mirror.com再跑命令下载中断后重跑同一条命令即可续传不必从头开始。校验权重完整性哈希与快速加载SDXL 1.0 的完整文件 sha256 已写在 README.md 中下载后直接比对sha256sum checkpoints/sd_xl_base_1.0.safetensors输出应为31e35c80fc4829d14f90153f4c74cd59c90b779f6afe05a74cd6120b893f7e5b。不一致说明文件截断或损坏删除后重新下载。视频类模型没有公布哈希可以用只读文件头的方式做一次轻量检查不会把整个文件载入内存from safetensors import safe_open with safe_open(checkpoints/svd.safetensors, frameworkpt) as f: print(len(list(f.keys())), tensors)正常会打印张量数量若报截断或格式错误说明文件不完整。首次推理从文生图到视频SDXL 文本生成图像启动本地网页端模型选择框里选 SDXL 1.0 basestreamlit run scripts/demo/sampling.py --server.port 8501SVD 图生视频用仓库自带的测试图即可验证整条链路python scripts/sampling/simple_video_sample.py --input_path assets/test_image.png --version svd --output_folder outputs显存不足时加--decoding_t 4默认一次解码 14 帧这是显存的主要消耗点。输入也支持图片文件夹或文件名匹配规则。SV4D 2.0 视频转 4D输入 21 帧的 gif/mp4输出 48 帧12 帧 × 4 视角python scripts/sampling/simple_video_sample_4d2.py --input_path assets/sv4d_videos/camel.gif --output_folder outputs低显存环境按 README 建议加--encoding_t1 --decoding_t1或把--img_size降到 512采样步数num_steps默认 50调小可明显缩短等待时间。常见报错症状—原因—处理对照表症状可能原因处理方式FileNotFoundError: checkpoints/svd.safetensors权重没下载或放错目录、文件名不一致在仓库根目录下重跑下载命令确认文件落在checkpoints/且文件名逐字符一致CUDA out of memory视频模型按批解码帧占用显存大调小--decoding_t如 4 或 1SV4D 2.0 加--encoding_t1 --decoding_t1或降分辨率下载中断、文件小于应有大小网络断开重跑同一条 huggingface-cli 命令续传完成后做哈希或文件头校验ModuleNotFoundError: sgm仓库自身未安装在仓库根目录执行pip3 install .依赖安装反复冲突triton、xformers 等Python 版本不是 3.10用 Python 3.10 重建虚拟环境能加载但生成效果异常权重与配置不匹配核对所用 yaml如 configs/inference/对应的权重版本完成前检查清单Python 3.10 虚拟环境已激活requirements/pt2.txt与pip3 install .都已执行权重文件已落在仓库根目录checkpoints/下文件名与配置完全一致SDXL 权重已通过sha256sum与 README 公布值比对需要严格核验时streamlit run scripts/demo/sampling.py能生成第一张图视频模型先用--decoding_t 4跑通一次确认显存足够后再放开限制下载前磁盘空闲空间不少于 40GB只下载实际要用的模型【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
Stability AI generative-models 模型下载指南：SDXL 到 SV4D 2.0 的放置与校验清单
Stability AI generative-models 模型下载指南SDXL 到 SV4D 2.0 的放置与校验清单【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-modelsStability AI 的 generative-models 仓库不包含模型权重下载后放哪个文件、放哪、是否完整决定了推理能否跑通。本文面向首次本地运行 SDXL、SVD、SV4D 2.0 的用户给出一份模型下载、放置与校验清单按文操作即可完成权重下载并跑通第一次推理。下哪个权重四类模型的完整清单代码仓库只负责推理逻辑权重在 Hugging Face 上单独托管。所有权重统一放到仓库根目录的checkpoints/下文件名必须与配置完全一致——例如 scripts/sampling/configs/svd.yaml 中的ckpt_path就写死了checkpoints/svd.safetensors。只下载你需要的模型即可每个文件约 7GB 到 10GB 出头建议预留至少 40GB 空闲磁盘。模型Hugging Face 仓库名权重文件用途推理入口SDXL-base-1.0stabilityai/stable-diffusion-xl-base-1.0sd_xl_base_1.0.safetensors文本生成图像streamlit run scripts/demo/sampling.py用 configs/inference/sd_xl_base.yamlSDXL-refiner-1.0stabilityai/stable-diffusion-xl-refiner-1.0sd_xl_refiner_1.0.safetensors图像精修图生图同上用 configs/inference/sd_xl_refiner.yamlSVDstabilityai/stable-video-diffusion-img2vidsvd.safetensors图生视频 14 帧simple_video_sample.py --version svdSVD-XTstabilityai/stable-video-diffusion-img2vid-xtsvd_xt.safetensors图生视频 25 帧simple_video_sample.py --version svd_xtSV3D_u / SV3D_pstabilityai/sv3dsv3d_u.safetensors / sv3d_p.safetensors单图环轨、3D 相机路径视频simple_video_sample.py --version sv3d_u或 sv3d_pSV4D 2.0stabilityai/sv4d2.0sv4d2.safetensors视频转 4D 新视角视频scripts/sampling/simple_video_sample_4d2.py另有 SDXL-Turbostabilityai/sdxl-turbo入口 scripts/demo/turbo.py和 SV4D 2.0 的 8 视角变体sv4d2_8views.safetensors按需添加。环境准备Python 3.10 与依赖安装⚠️ 项目在 Python 3.10 下测试其他版本可能出现 triton、xformers 等包的版本冲突遇到反复的依赖报错时优先换 3.10 重建环境。工具作用说明Python 3.10运行环境官方安装包或系统包管理器PyTorchcu118 轮子推理框架安装命令见下方注意按你的 CUDA 版本选择 index-urlhuggingface-cli下载权重随 transformers 依赖自动装入无需单独安装以下命令一次完成克隆仓库、建虚拟环境、装依赖和安装 sgm 包本身git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models python3.10 -m venv .pt2 source .pt2/bin/activate pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip3 install -r requirements/pt2.txt pip3 install .依赖清单见 requirements/pt2.txt包含 xformers、streamlit、rembg、imageio 等推理所需的全部包pip3 install .安装的是仓库自带的sgm包漏掉它会报ModuleNotFoundError: sgm。分模型下载命令统一落到 checkpoints/用 huggingface-cli 指定单个文件下载避免拉取整个仓库的无关文件。以下三条分别对应文生图、图生视频、视频转 4Dhuggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 sd_xl_base_1.0.safetensors --local-dir checkpoints huggingface-cli download stabilityai/stable-video-diffusion-img2vid svd.safetensors --local-dir checkpoints huggingface-cli download stabilityai/sv4d2.0 sv4d2.safetensors --local-dir checkpoints其余模型照同样格式替换仓库名与文件名即可例如 SV3D 是huggingface-cli download stabilityai/sv3d sv3d_u.safetensors --local-dir checkpoints。网络环境不稳定时可先执行export HF_ENDPOINThttps://hf-mirror.com再跑命令下载中断后重跑同一条命令即可续传不必从头开始。校验权重完整性哈希与快速加载SDXL 1.0 的完整文件 sha256 已写在 README.md 中下载后直接比对sha256sum checkpoints/sd_xl_base_1.0.safetensors输出应为31e35c80fc4829d14f90153f4c74cd59c90b779f6afe05a74cd6120b893f7e5b。不一致说明文件截断或损坏删除后重新下载。视频类模型没有公布哈希可以用只读文件头的方式做一次轻量检查不会把整个文件载入内存from safetensors import safe_open with safe_open(checkpoints/svd.safetensors, frameworkpt) as f: print(len(list(f.keys())), tensors)正常会打印张量数量若报截断或格式错误说明文件不完整。首次推理从文生图到视频SDXL 文本生成图像启动本地网页端模型选择框里选 SDXL 1.0 basestreamlit run scripts/demo/sampling.py --server.port 8501SVD 图生视频用仓库自带的测试图即可验证整条链路python scripts/sampling/simple_video_sample.py --input_path assets/test_image.png --version svd --output_folder outputs显存不足时加--decoding_t 4默认一次解码 14 帧这是显存的主要消耗点。输入也支持图片文件夹或文件名匹配规则。SV4D 2.0 视频转 4D输入 21 帧的 gif/mp4输出 48 帧12 帧 × 4 视角python scripts/sampling/simple_video_sample_4d2.py --input_path assets/sv4d_videos/camel.gif --output_folder outputs低显存环境按 README 建议加--encoding_t1 --decoding_t1或把--img_size降到 512采样步数num_steps默认 50调小可明显缩短等待时间。常见报错症状—原因—处理对照表症状可能原因处理方式FileNotFoundError: checkpoints/svd.safetensors权重没下载或放错目录、文件名不一致在仓库根目录下重跑下载命令确认文件落在checkpoints/且文件名逐字符一致CUDA out of memory视频模型按批解码帧占用显存大调小--decoding_t如 4 或 1SV4D 2.0 加--encoding_t1 --decoding_t1或降分辨率下载中断、文件小于应有大小网络断开重跑同一条 huggingface-cli 命令续传完成后做哈希或文件头校验ModuleNotFoundError: sgm仓库自身未安装在仓库根目录执行pip3 install .依赖安装反复冲突triton、xformers 等Python 版本不是 3.10用 Python 3.10 重建虚拟环境能加载但生成效果异常权重与配置不匹配核对所用 yaml如 configs/inference/对应的权重版本完成前检查清单Python 3.10 虚拟环境已激活requirements/pt2.txt与pip3 install .都已执行权重文件已落在仓库根目录checkpoints/下文件名与配置完全一致SDXL 权重已通过sha256sum与 README 公布值比对需要严格核验时streamlit run scripts/demo/sampling.py能生成第一张图视频模型先用--decoding_t 4跑通一次确认显存足够后再放开限制下载前磁盘空闲空间不少于 40GB只下载实际要用的模型【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
