企业官网建设流程全解析

Stability AI 生成模型 3 步下载配置：HF 镜像加速，10 分钟一次跑通出图

【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models

本文带你走完 generative-models（Stability AI 官方生成模型仓库）的完整链路：用命令行、网页或国内镜像三种路线下载 SDXL、SVD 等模型权重，做文件完整性校验，配置checkpoints/路径，最终用一条命令出图。全程只保留必须执行的命令，国内网络环境可直接照抄。

🛠️ 环境与工具的一次性准备

配置要求与必备工具

项目按python3.10+ PyTorch 2.0 验证（见 README.md），Python 版本低于 3.8 无法安装。

安装 Hugging Face 命令行工具（模型下载主力工具，支持断点续传）：

pip install -U "huggingface_hub[cli]"

克隆代码仓库并进入根目录

权重要放在仓库根目录的checkpoints/下，先克隆代码：

git clone https://gitcode.com/GitHub_Trending/ge/generative-models cd generative-models

🚚 三条下载路线怎么选

命令行下载（支持断点续传）

huggingface-cli download支持--include只拉取核心权重，--resume-download支持中断后接着传：

huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include "*.safetensors" "*.yaml" \ --local-dir checkpoints \ --resume-download

网页界面下载

不想碰命令行时，走 Hugging Face 网页四步：

1. 登录账号，在模型页勾选接受使用协议；
2. 进入 Files 标签页；
3. 找到.safetensors权重文件，点击 Raw 下载（大文件建议配合浏览器下载管理器）；
4. 把文件放进仓库的checkpoints/目录。

项目集成下载

克隆上面的示例项目后，按仓库文档给出的仓库名直接下载单个文件到指定位置，例如 SV4D 2.0：

huggingface-cli download stabilityai/sv4d2.0 sv4d2.safetensors --local-dir checkpoints

路线怎么选：大文件和批量下载用命令行，断点续传最省事；偶尔下载一两个文件用网页最快；要跟着仓库脚本跑推理时，直接用项目集成命令，文件路径一步到位，不用手动搬。

📦 主流模型与体积预估

核心文件统一放进checkpoints/。各模型对应的本地文件名以 scripts/demo/sampling.py 和 scripts/sampling/configs/ 中的配置为准；具体体积以 Hugging Face 模型页 Files 列表为准，下载前看一眼再分配磁盘。

✅ 文件完整性校验与加载自检

缺文件或传输截断是"模型无法加载"的根源，下载后先做两级校验。

第一级，核对 SDXL-base-1.0 的官方 sha256 哈希（README Inference 章节给出的 File Hash）：

sha256sum checkpoints/sd_xl_base_1.0.safetensors # 期望: 31e35c80fc4829d14f90153f4c74cd59c90b779f6afe05a74cd6120b893f7e5b

第二级，最小自检脚本，确认要跑的推理脚本所需权重全部就位：

import os required = [ "checkpoints/sd_xl_base_1.0.safetensors", "checkpoints/sv3d_u.safetensors", ] for f in required: if os.path.exists(f): print(f"OK {f} ({os.path.getsize(f) / 1e9:.2f} GB)") else: print(f"MISS {f}")

校验什么：文件是否存在、体积是否为 0 或明显偏小、哈希是否匹配。缺失或截断时，删除该文件后重新执行命令行下载（带--resume-download），不要直接运行推理脚本。

🌐 国内网络与 HF 镜像加速

镜像加速与断点续传合起来用，复制下面整块即可：

# 指向 HF 国内镜像源 export HF_ENDPOINT=https://hf-mirror.com # 带断点续传与超时的下载（中断后重复执行同一命令即接着传） huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include "*.safetensors" "*.yaml" \ --local-dir checkpoints \ --resume-download \ --timeout 300

HF_ENDPOINT只对当前终端会话生效；想长期生效就写进~/.bashrc。镜像源不提供登录态，需申请授权的模型仍要在网页端先拿到权限。

🎯 第一次生成的最短路径

三步出图，以 SDXL 文本生成图像为例：

第 1 步：配置模型路径。把权重下载进checkpoints/，推理配置 configs/inference/sd_xl_base.yaml 会自动被 demo 脚本引用，无需手改：

huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include "*.safetensors" --local-dir checkpoints

第 2 步：安装项目依赖。官方测试环境为 python3.10 + PyTorch 2.0（cu118）：

python3 -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 .

第 3 步：跑一条命令出图。启动文本生成图像 demo：

streamlit run scripts/demo/sampling.py --server.port 7860

浏览器打开本地 7860 端口，选版本SDXL-base-1.0，输入提示词即可。想要单步秒出的效果，改下载sdxl-turbo的sd_xl_turbo_1.0.safetensors，运行streamlit run scripts/demo/turbo.py（脚本内已写死checkpoints/sd_xl_turbo_1.0.safetensors路径，见 scripts/demo/turbo.py）。

🚑 高频故障速查

下一步

模型下载、校验、出图到此闭环。现在把要跑的视频模型权重补进checkpoints/，执行python scripts/sampling/simple_video_sample.py --input_path assets/test_image.png --version sv3d_u，验证你手上这套环境能完整跑通图生视频链路。

【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models