Stability AI 模型下载完整指南SDXL 到 SV4D 权重一步到位【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models本文面向首次接触 Stability AI 官方 generative-models 仓库的开发者。该仓库覆盖文本生成图像SDXL、图像生成视频SVD/SV3D、4D 资产合成SV4D三类模型。内容按“环境自查 → 按任务取权重 → 网络传输 → 排错核对 → 首次推理”展开所有权重统一落到checkpoints/目录配套配置已随仓库提供无需手写。先过环境关工具链版本与磁盘余量没有本地代码时先克隆仓库# 克隆代码仓库并进入根目录 git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models接着逐项确认工具链是否达到底线版本# 逐条校验 Python、PyTorch、CUDA、huggingface-cli 四个版本 python --version python -c import torch; print(torch.__version__) nvidia-smi huggingface-cli --versionpython --version应不低于 3.10torch.__version__应不低于 2.0.1nvidia-smi输出的 CUDA 版本以 11.8 为底线huggingface-cli --version只需确认该 CLI 支持download子命令不限具体版本⚠️ 注意单个权重文件从 SDXL 的约 7GB 到 SV4D 2.0 的 30GB 以上不等建议目标磁盘预留 100GB 以上空间。用 huggingface-cli 获取 Stability AI 模型权重三条任务路线统一 checkpoints/三条路线的所有命令都把文件写入仓库根目录的checkpoints/与 scripts/sampling/configs/ 内各配置的ckpt_path一一对应下载完成即可被推理脚本识别。文生图路线SDXL 基础权重一次拉取SDXL 是仓库中验证最多的模型适合作为首次下载对象支持 txt2img 与 img2img 两类任务# 拉取 SDXL-base-1.0 权重约 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产出checkpoints/sd_xl_base_1.0.safetensors与scripts/demo/sampling.py的默认路径一致。随后确认文件在位且无.incomplete残留# 校验 SDXL 权重已完整落盘 ls -lh checkpoints/sd_xl_base_1.0.safetensors图生视频路线SVD/SV3D 四个权重一次拿齐SVD 负责让单张静态图像动起来14 帧或 25 帧SV3D 由单图合成多视角环绕视频。四条命令覆盖全部所需文件# 依次拉取 SVD 14 帧版、25 帧版与 SV3D 两个变体统一输出到 checkpoints/ 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 # 可选低显存场景使用图像解码器变体 huggingface-cli download stabilityai/stable-video-diffusion-img2vid \ svd_image_decoder.safetensors --local-dir checkpoints前四条命令共产出svd.safetensors、svd_xt.safetensors、sv3d_u.safetensors、sv3d_p.safetensors四个文件一条ls即可确认全部就绪# 确认 4 个视频模型权重均存在且大小非零 ls -lh checkpoints/svd.safetensors checkpoints/svd_xt.safetensors \ checkpoints/sv3d_u.safetensors checkpoints/sv3d_p.safetensors4D 资产路线SV4D 2.0 主权重与 8 视角变体SV4D 2.0 由一段短视频合成新视角的 4D 资产每次生成 48 帧12 帧 × 4 视角输入建议使用白底运动物体视频# 拉取 SV4D 2.0 主权重8 视角变体为同仓库的 sv4d2_8views.safetensors huggingface-cli download stabilityai/sv4d2.0 \ sv4d2.safetensors --local-dir checkpoints产出checkpoints/sv4d2.safetensors与 scripts/sampling/configs/ 下的sv4d2.yaml配置对应。校验方式为确认这是一个数十 GB 的文件且无.incomplete残留# 校验 SV4D 2.0 权重已完整落盘 ls -lh checkpoints/sv4d2.safetensors如需运行初代 SV4D还要从stabilityai/sv4d仓库获取sv4d.safetensors其推理脚本同时依赖上文已下载的sv3d_u.safetensors。解决网络问题切端点、断点续传、并发下载用 HF_ENDPOINT 把 huggingface-cli 指向镜像HuggingFace 访问不畅时为当前会话设置镜像端点# 当前会话生效之后的 huggingface-cli 请求将走镜像 export HF_ENDPOINThttps://hf-mirror.com⚠️ 注意镜像的文件列表存在同步延迟。新权重若提示找不到文件取消该变量后回退官方端点。传输中断重放同一条命令即可续传huggingface-cli默认支持断点续传。网络中断后直接重放原命令从断点继续无需删除已有文件# 网络中断后重放原命令续传 SDXL 权重 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors --local-dir checkpoints续传记录保存在本地缓存与目标目录中不要手动移动或清理这些位置否则断点会重置。aria2c 16 连接加速单个大文件单文件想再提速时可用 aria2c 并发拉取# 解析出权重文件直链后用 16 个连接并发拉取 aria2c -x 16 -s 16 -o svd.safetensors 权重文件直链⚠️ 注意aria2c 不识别 HuggingFace 仓库结构也不参与 hf 命令的续传机制直链需从文件页面手动获取。推理前核对权重文件哈希、配置路径与高频报错处理下载完成后做两级核对对权重文件执行sha256sum与 README.md Inference 一节提供的文件哈希比对SDXL base 与 refiner 均列出。逐项核对 scripts/sampling/configs/ 中各 yaml 的ckpt_path与checkpoints/内实际文件名确保二者来自同一发布版本。仍报错时按下表定位报错信息可能成因处置方法Missing key(s) in state_dict权重文件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重下前核对仓库页面文件清单CUDA out of memory显存不足采样脚本加--decoding_t1或--encoding_t1、--img_size降至 512降低单批解码帧数生成图像或视频模糊、畸变配置与权重版本不一致核对scripts/sampling/configs/下 yaml 的ckpt_path与checkpoints/内实际文件名目录残留 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 命令续传速度仍慢则切换到上文镜像端点两步核对加表格处置都无效时删除整个checkpoints/目录重放该模型的完整获取命令。首次验证跑通最小的 SVD 采样命令✅ 一切就绪后用 SVD 权重做最小推理验证# 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预期结果outputs/simple_video_sample/svd/目录新增000000.jpg与000000.mp4两个文件终端无 traceback。低显存机器可用采样脚本的--encoding_t与--decoding_t参数控制单批解码帧数或将输出分辨率降到 512。其他模型的采样脚本与版本参数见 scripts/sampling/SV3D 与 SV4D 分别对应simple_video_sample_4d.py、simple_video_sample_4d2.py各推理入口对应的模型结构配置见 configs/inference/。首次推理输出正常后再按实际需要补齐其余模型权重三条路线的命令均可随时重放。【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
Stability AI 模型下载完整指南：SDXL 到 SV4D 权重一步到位
Stability AI 模型下载完整指南SDXL 到 SV4D 权重一步到位【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models本文面向首次接触 Stability AI 官方 generative-models 仓库的开发者。该仓库覆盖文本生成图像SDXL、图像生成视频SVD/SV3D、4D 资产合成SV4D三类模型。内容按“环境自查 → 按任务取权重 → 网络传输 → 排错核对 → 首次推理”展开所有权重统一落到checkpoints/目录配套配置已随仓库提供无需手写。先过环境关工具链版本与磁盘余量没有本地代码时先克隆仓库# 克隆代码仓库并进入根目录 git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models接着逐项确认工具链是否达到底线版本# 逐条校验 Python、PyTorch、CUDA、huggingface-cli 四个版本 python --version python -c import torch; print(torch.__version__) nvidia-smi huggingface-cli --versionpython --version应不低于 3.10torch.__version__应不低于 2.0.1nvidia-smi输出的 CUDA 版本以 11.8 为底线huggingface-cli --version只需确认该 CLI 支持download子命令不限具体版本⚠️ 注意单个权重文件从 SDXL 的约 7GB 到 SV4D 2.0 的 30GB 以上不等建议目标磁盘预留 100GB 以上空间。用 huggingface-cli 获取 Stability AI 模型权重三条任务路线统一 checkpoints/三条路线的所有命令都把文件写入仓库根目录的checkpoints/与 scripts/sampling/configs/ 内各配置的ckpt_path一一对应下载完成即可被推理脚本识别。文生图路线SDXL 基础权重一次拉取SDXL 是仓库中验证最多的模型适合作为首次下载对象支持 txt2img 与 img2img 两类任务# 拉取 SDXL-base-1.0 权重约 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产出checkpoints/sd_xl_base_1.0.safetensors与scripts/demo/sampling.py的默认路径一致。随后确认文件在位且无.incomplete残留# 校验 SDXL 权重已完整落盘 ls -lh checkpoints/sd_xl_base_1.0.safetensors图生视频路线SVD/SV3D 四个权重一次拿齐SVD 负责让单张静态图像动起来14 帧或 25 帧SV3D 由单图合成多视角环绕视频。四条命令覆盖全部所需文件# 依次拉取 SVD 14 帧版、25 帧版与 SV3D 两个变体统一输出到 checkpoints/ 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 # 可选低显存场景使用图像解码器变体 huggingface-cli download stabilityai/stable-video-diffusion-img2vid \ svd_image_decoder.safetensors --local-dir checkpoints前四条命令共产出svd.safetensors、svd_xt.safetensors、sv3d_u.safetensors、sv3d_p.safetensors四个文件一条ls即可确认全部就绪# 确认 4 个视频模型权重均存在且大小非零 ls -lh checkpoints/svd.safetensors checkpoints/svd_xt.safetensors \ checkpoints/sv3d_u.safetensors checkpoints/sv3d_p.safetensors4D 资产路线SV4D 2.0 主权重与 8 视角变体SV4D 2.0 由一段短视频合成新视角的 4D 资产每次生成 48 帧12 帧 × 4 视角输入建议使用白底运动物体视频# 拉取 SV4D 2.0 主权重8 视角变体为同仓库的 sv4d2_8views.safetensors huggingface-cli download stabilityai/sv4d2.0 \ sv4d2.safetensors --local-dir checkpoints产出checkpoints/sv4d2.safetensors与 scripts/sampling/configs/ 下的sv4d2.yaml配置对应。校验方式为确认这是一个数十 GB 的文件且无.incomplete残留# 校验 SV4D 2.0 权重已完整落盘 ls -lh checkpoints/sv4d2.safetensors如需运行初代 SV4D还要从stabilityai/sv4d仓库获取sv4d.safetensors其推理脚本同时依赖上文已下载的sv3d_u.safetensors。解决网络问题切端点、断点续传、并发下载用 HF_ENDPOINT 把 huggingface-cli 指向镜像HuggingFace 访问不畅时为当前会话设置镜像端点# 当前会话生效之后的 huggingface-cli 请求将走镜像 export HF_ENDPOINThttps://hf-mirror.com⚠️ 注意镜像的文件列表存在同步延迟。新权重若提示找不到文件取消该变量后回退官方端点。传输中断重放同一条命令即可续传huggingface-cli默认支持断点续传。网络中断后直接重放原命令从断点继续无需删除已有文件# 网络中断后重放原命令续传 SDXL 权重 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors --local-dir checkpoints续传记录保存在本地缓存与目标目录中不要手动移动或清理这些位置否则断点会重置。aria2c 16 连接加速单个大文件单文件想再提速时可用 aria2c 并发拉取# 解析出权重文件直链后用 16 个连接并发拉取 aria2c -x 16 -s 16 -o svd.safetensors 权重文件直链⚠️ 注意aria2c 不识别 HuggingFace 仓库结构也不参与 hf 命令的续传机制直链需从文件页面手动获取。推理前核对权重文件哈希、配置路径与高频报错处理下载完成后做两级核对对权重文件执行sha256sum与 README.md Inference 一节提供的文件哈希比对SDXL base 与 refiner 均列出。逐项核对 scripts/sampling/configs/ 中各 yaml 的ckpt_path与checkpoints/内实际文件名确保二者来自同一发布版本。仍报错时按下表定位报错信息可能成因处置方法Missing key(s) in state_dict权重文件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重下前核对仓库页面文件清单CUDA out of memory显存不足采样脚本加--decoding_t1或--encoding_t1、--img_size降至 512降低单批解码帧数生成图像或视频模糊、畸变配置与权重版本不一致核对scripts/sampling/configs/下 yaml 的ckpt_path与checkpoints/内实际文件名目录残留 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 命令续传速度仍慢则切换到上文镜像端点两步核对加表格处置都无效时删除整个checkpoints/目录重放该模型的完整获取命令。首次验证跑通最小的 SVD 采样命令✅ 一切就绪后用 SVD 权重做最小推理验证# 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预期结果outputs/simple_video_sample/svd/目录新增000000.jpg与000000.mp4两个文件终端无 traceback。低显存机器可用采样脚本的--encoding_t与--decoding_t参数控制单批解码帧数或将输出分辨率降到 512。其他模型的采样脚本与版本参数见 scripts/sampling/SV3D 与 SV4D 分别对应simple_video_sample_4d.py、simple_video_sample_4d2.py各推理入口对应的模型结构配置见 configs/inference/。首次推理输出正常后再按实际需要补齐其余模型权重三条路线的命令均可随时重放。【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
