Stability AI 生成模型下载指南10 分钟把 SDXL 拉到本地并跑通推理【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models第一次上手 Stability AI 的生成模型最容易卡住的只有两件事权重放在哪个仓库、下下来怎么确认没坏。这篇按选模型 → 拉权重 → 验文件 → 跑通推理的顺序写每一步都给你一个能亲眼确认的结果照做完最后一节的命令test_result.png就会出现。先选对要下哪个模型5 个官方仓库对照表这一步解决我不知道该下什么的问题。Stability AI 的生成模型分散在 5 个官方仓库里版本和体积如下模型版本体积用途官方仓库Stable Diffusion XL1.06.9GB文本到图像stabilityai/stable-diffusion-xl-base-1.0Stable Video Diffusion1.123.4GB图像到视频stabilityai/stable-video-diffusion-img2vidStable Video 3D1.031.2GB3D 场景生成stabilityai/stable-video-3dSD-Turbo1.01.3GB实时出图stabilityai/sd-turboSDXL-Turbo1.02.1GB实时高清出图stabilityai/sdxl-turbo 只想要一张图看看效果就从 1.3GB 的 SD-Turbo 或 2.1GB 的 SDXL-Turbo 开始磁盘够再考虑视频类的大模型。本仓库里各模型的推理配置在 configs/inference/ 下文件名和模型一一对应。下载前把环境和工具就位3 条命令这一步解决下不动、下不全的问题先确认三样东西python --version # 需要在 3.8–3.11 之间 nvidia-smi # 查看显卡与显存建议 8GB 起步 sudo apt-get install git-lfs git lfs install # 装 Git LFS大文件靠它再装 Hugging Face 的命令行工具后面所有下载都用它pip install huggingface_hub # 提供 huggingface-cli 下载命令看到的结果python --version输出版本号、nvidia-smi能列出显卡、git lfs version有正常输出环境就算就绪。权重怎么拉下来断点续传和国内镜像这一步解决下载慢、断了要重下的问题。以 SDXL 基础模型为例mkdir -p ./models # 建一个统一的模型存放目录 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include *.safetensors *.yaml \ --local-dir ./models/sdxl-base \ --resume-download # 断点续传断网重跑这条命令会接着下不用从头来--resume-download就是断点续传开关把它放在习惯用的下载命令里以后每次中断都直接重跑。国内网络慢或直连失败先切到镜像源再下export HF_ENDPOINThttps://hf-mirror.com # 指向国内镜像源 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --local-dir ./models/sdxl-base不习惯命令行也可以用 Hugging Face 网页界面进模型页面 → 登录 → 接受使用协议 → 下载文件列表里的.safetensors和.yaml再手动放进./models/sdxl-base。追求更高分段速度可以把文件 URL 交给aria2c -x 16 -s 16 URL --out 文件名做多线程分块下载。看到的结果./models/sdxl-base里出现.safetensors和.yamldu -sh ./models/sdxl-base显示的总大小约 6.9GB下载就算成功。怎么确认模型没下坏哈希加一次加载这一步解决文件看着在加载就报错的问题分两层验。sha256sum ./models/sdxl-base/*.safetensors # 生成 SHA256 值与官方发布的哈希逐位比对再用代码做最轻的加载验证——不需要 GPU能读出一组参数即算通过from safetensors.torch import load_file w load_file(models/sdxl-base/sd_xl_base_1.0.safetensors) print(len(w)) # 打印出参数量级四位数就说明权重完整可读✅ 哈希一致、print出一个四位数两层验证都过了。跑起来改一个配置路径一条命令出图这一步解决下完了然后呢的问题。把推理配置 configs/inference/sd_xl_base.yaml 指向你的本地权重和运行环境model_config: base_path: ./models/sdxl-base # 指向刚下载的模型目录 device: cuda precision: float16安装本仓库的依赖再用仓库根目录的 main.py 采样脚本跑一条提示词pip install -r requirements/pt2.txt # 安装项目运行所需依赖 python main.py --config configs/inference/sd_xl_base.yaml \ --prompt 美丽的风景画 \ --output test_result.png看到的结果当前目录里多出一个test_result.png打开就是一张风景图——到这里下载、验证、推理三件事全部走通了。卡住时按这张表排查现象原因处理下载中断、文件损坏网络波动重跑带--resume-download的命令续传续完再验一次哈希直连 Hugging Face 失败网络不通执行export HF_ENDPOINThttps://hf-mirror.com后再下载哈希对不上文件不完整删掉该文件重新下载代码加载报错模型与代码版本不匹配拉取最新代码git clone https://gitcode.com/GitHub_Trending/ge/generative-models再检查 Python 版本是否在 3.8–3.11下一步模型跑通之后可以往两个方向走一是学微调把 SDXL 适配到自己的情绪或数据集二是做推理提速SDXL-Turbo 一条样本就能出图适合试实时生成。更多细节看 scripts/ 下的演示脚本以及 README.md 里的完整说明。【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