2026/9/4 15:02:14
FEATURED · 精选文章 
Stability AI生成模型完整下载指南四步从权重到首次生成【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-modelsgenerative-models 是 Stability AI 的官方开源生成模型仓库集成了文本生成图像 SDXL、图像生成视频 SVD 以及 3D/4D 生成的训练与推理代码。这篇文章只帮你完成一件事找到对应的模型权重下载下来并跑通一次真实生成。整个过程分四步预计 10~15 分钟只需要会基本命令行不需要图形界面背景。先确认要下载哪些权重名称版本大小用途官方位置SDXL base1.0约 6.9GB文本生成图像Hugging Face · stabilityai 组织SDXL refiner1.0约 5.3GB图像细节精修Hugging Face · stabilityai 组织SVD img2vid-xt1.1约 23GB图像生成视频Hugging Face · stabilityai 组织SV3Du / p1.0各约 10GB单图生成 3D 视频Hugging Face · stabilityai 组织SV4D 2.02.0约 20GB视频生成 4D 内容Hugging Face · stabilityai 组织首次上手建议选 SDXL base文件最小、工具链最成熟装完就能在本地浏览器里做文生图。跑顺之后再按需求补下 SVD 或 SV3D。第1步自查环境并安装依赖目标准备好 Python 3.10 与 PyTorch 2.x 的运行环境拿到项目代码。仓库官方在 3.10 下测试过其他版本可能出现依赖冲突。操作先克隆代码再建虚拟环境一次性装好项目依赖。依赖清单在 requirements/pt2.txt如果你有 CUDA 显卡请先装好与显卡匹配的 torch、torchvision再执行下面命令。# 克隆代码并建虚拟环境 git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models python3 -m venv .pt2 source .pt2/bin/activate pip install -r requirements/pt2.txt pip install .检查终端里执行python -c import torch; print(torch.__version__)能打印出 2.x 版本号且不报错即可GPU 用户再确认torch.cuda.is_available()返回 True。第2步下载权重到 checkpoints 目录目标把目标权重放进项目根目录的checkpoints/。仓库里的采样脚本默认只认这个位置。操作推荐用 Hugging Face 命令行工具一条命令指定文件和目录# 下载 SDXL base 的主权重文件 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ sd_xl_base_1.0.safetensors --local-dir checkpoints备选是网页手动下载登录 Hugging Face接受模型使用协议在文件列表中找到目标 .safetensors 文件点击下载按钮并保存到本地把文件挪进项目根目录的checkpoints/检查执行ls -lh checkpoints/文件存在、大小与官方页面一致约 6.9GB即可。权重是 GB 级文件预留好磁盘空间中途断网直接重跑同一条命令会接着续传。第3步校验权重文件完整性目标确认权重完整、与官方发布版本一致避免后面把加载失败误判成代码问题。操作计算文件的 SHA256 哈希与 README 公布的官方值比对# 计算权重文件哈希 sha256sum checkpoints/sd_xl_base_1.0.safetensorsSDXL-base-1.0 的官方 File Hash 为31e35c80...f7e5b完整值见 README.md。如果你下的是 SVD、SV3D 这类视频模型也可以用safetensors.torch.load_file打开文件确认权重键能正常读出。检查哈希一致即通过不一致说明文件损坏或版本不对删掉重新下载。第4步跑通首次运行出结果目标真实生成一个结果验证代码、依赖、权重这条链路全部可用。操作按你下载的模型选入口。文生图SDXL用一条命令启动本地采样页# 启动文本生成图像采样页 streamlit run scripts/demo/sampling.py启动后在浏览器输入提示词即可出图。图像生成视频SV3D则直接跑脚本仓库自带测试图# 用单张图片生成环绕视频 python scripts/sampling/simple_video_sample.py --input_path assets/test_image.png --version sv3d_u--version参数对应 scripts/sampling/configs/ 下的 YAML 配置想看结构就打开对应文件。显存吃紧时给命令加上--decoding_t 1逐帧解码代价是速度变慢。检查视频结果默认保存到outputs/simple_video_sample/能正常打开 .mp4 文件即算跑通文生图页面生成后能看到预览图。排错速查现象原因解决办法脚本报找不到 checkpoint权重没放进根目录checkpoints/把文件挪到该目录不要套子文件夹哈希值与官方不一致下载中断或文件损坏删除后重新下载或续传补齐CUDA out of memory视频解码批量过大调小--decoding_t或降低--img_size安装时报版本冲突Python 版本不是 3.10用python3.10 -m venv .pt2重建环境采样输出发黑、全噪点权重版本与配置不匹配核对--version与权重文件是否对应四步走下来从权重到出图出视频你已经完成了这个项目最核心的部分。接下来建议两个方向读一读 configs/ 里的 YAML理解各子模块是怎么拼起来的或者打开 scripts/demo/video_sampling.py 这个演示亲手调运动强度与帧数参数。【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生成模型完整下载指南：四步从权重到首次生成
Stability AI生成模型完整下载指南四步从权重到首次生成【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-modelsgenerative-models 是 Stability AI 的官方开源生成模型仓库集成了文本生成图像 SDXL、图像生成视频 SVD 以及 3D/4D 生成的训练与推理代码。这篇文章只帮你完成一件事找到对应的模型权重下载下来并跑通一次真实生成。整个过程分四步预计 10~15 分钟只需要会基本命令行不需要图形界面背景。先确认要下载哪些权重名称版本大小用途官方位置SDXL base1.0约 6.9GB文本生成图像Hugging Face · stabilityai 组织SDXL refiner1.0约 5.3GB图像细节精修Hugging Face · stabilityai 组织SVD img2vid-xt1.1约 23GB图像生成视频Hugging Face · stabilityai 组织SV3Du / p1.0各约 10GB单图生成 3D 视频Hugging Face · stabilityai 组织SV4D 2.02.0约 20GB视频生成 4D 内容Hugging Face · stabilityai 组织首次上手建议选 SDXL base文件最小、工具链最成熟装完就能在本地浏览器里做文生图。跑顺之后再按需求补下 SVD 或 SV3D。第1步自查环境并安装依赖目标准备好 Python 3.10 与 PyTorch 2.x 的运行环境拿到项目代码。仓库官方在 3.10 下测试过其他版本可能出现依赖冲突。操作先克隆代码再建虚拟环境一次性装好项目依赖。依赖清单在 requirements/pt2.txt如果你有 CUDA 显卡请先装好与显卡匹配的 torch、torchvision再执行下面命令。# 克隆代码并建虚拟环境 git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models python3 -m venv .pt2 source .pt2/bin/activate pip install -r requirements/pt2.txt pip install .检查终端里执行python -c import torch; print(torch.__version__)能打印出 2.x 版本号且不报错即可GPU 用户再确认torch.cuda.is_available()返回 True。第2步下载权重到 checkpoints 目录目标把目标权重放进项目根目录的checkpoints/。仓库里的采样脚本默认只认这个位置。操作推荐用 Hugging Face 命令行工具一条命令指定文件和目录# 下载 SDXL base 的主权重文件 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ sd_xl_base_1.0.safetensors --local-dir checkpoints备选是网页手动下载登录 Hugging Face接受模型使用协议在文件列表中找到目标 .safetensors 文件点击下载按钮并保存到本地把文件挪进项目根目录的checkpoints/检查执行ls -lh checkpoints/文件存在、大小与官方页面一致约 6.9GB即可。权重是 GB 级文件预留好磁盘空间中途断网直接重跑同一条命令会接着续传。第3步校验权重文件完整性目标确认权重完整、与官方发布版本一致避免后面把加载失败误判成代码问题。操作计算文件的 SHA256 哈希与 README 公布的官方值比对# 计算权重文件哈希 sha256sum checkpoints/sd_xl_base_1.0.safetensorsSDXL-base-1.0 的官方 File Hash 为31e35c80...f7e5b完整值见 README.md。如果你下的是 SVD、SV3D 这类视频模型也可以用safetensors.torch.load_file打开文件确认权重键能正常读出。检查哈希一致即通过不一致说明文件损坏或版本不对删掉重新下载。第4步跑通首次运行出结果目标真实生成一个结果验证代码、依赖、权重这条链路全部可用。操作按你下载的模型选入口。文生图SDXL用一条命令启动本地采样页# 启动文本生成图像采样页 streamlit run scripts/demo/sampling.py启动后在浏览器输入提示词即可出图。图像生成视频SV3D则直接跑脚本仓库自带测试图# 用单张图片生成环绕视频 python scripts/sampling/simple_video_sample.py --input_path assets/test_image.png --version sv3d_u--version参数对应 scripts/sampling/configs/ 下的 YAML 配置想看结构就打开对应文件。显存吃紧时给命令加上--decoding_t 1逐帧解码代价是速度变慢。检查视频结果默认保存到outputs/simple_video_sample/能正常打开 .mp4 文件即算跑通文生图页面生成后能看到预览图。排错速查现象原因解决办法脚本报找不到 checkpoint权重没放进根目录checkpoints/把文件挪到该目录不要套子文件夹哈希值与官方不一致下载中断或文件损坏删除后重新下载或续传补齐CUDA out of memory视频解码批量过大调小--decoding_t或降低--img_size安装时报版本冲突Python 版本不是 3.10用python3.10 -m venv .pt2重建环境采样输出发黑、全噪点权重版本与配置不匹配核对--version与权重文件是否对应四步走下来从权重到出图出视频你已经完成了这个项目最核心的部分。接下来建议两个方向读一读 configs/ 里的 YAML理解各子模块是怎么拼起来的或者打开 scripts/demo/video_sampling.py 这个演示亲手调运动强度与帧数参数。【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 
