SD-WebUI 模型下载器中文版使用教程
1. 项目概述
SD-WebUI 模型下载器中文版是一个专为 Stable Diffusion WebUI 设计的扩展插件,主要功能是帮助用户从 Civitai 平台免梯子高速下载各种模型文件。该插件支持多种模型类型,包括 Checkpoint、LoRA、LyCORIS、VAE、TextualInversion(embedding)、Hypernetwork,并且能够自动识别模型类型并选择正确的下载路径。
2. 项目目录结构及介绍
目录结构
sd-webui-model-downloader-cn/
├── README.md
├── LICENSE
├── output_prompt.md
├── docs/
│ ├── banner.md
│ └── footer.md
└── scripts/
└── model-downloader-cn.py
目录介绍
- README.md: 项目说明文档,包含项目的基本信息、安装指南、使用方法和功能特性
- LICENSE: 项目许可证文件
- output_prompt.md: 输出提示文件
- docs/: 文档目录
- banner.md: 横幅文档,包含使用说明和图片
- footer.md: 页脚文档,包含联系信息和交流群二维码
- scripts/: 脚本目录
- model-downloader-cn.py: 主要的 Python 脚本文件,包含插件的所有功能实现
3. 核心功能脚本介绍
model-downloader-cn.py
model-downloader-cn.py 是项目的核心脚本文件,负责处理模型下载的所有逻辑。以下是该文件的主要功能模块:
模型类型路径映射
MODEL_TYPE_DIR = {
"Checkpoint": ["ckpt_dir", pj(models_path, 'Stable-diffusion')],
"LORA": ["lora_dir", pj(models_path, 'Lora')],
"TextualInversion": ["embeddings_dir", pj(data_path, 'embeddings')],
"Hypernetwork": ["hypernetwork_dir", pj(models_path, 'hypernetworks')],
"LoCon": ["lyco_dir", pj(models_path, 'LyCORIS')],
"VAE": ["vae_dir", pj(models_path, 'VAE')],
}
该字典定义了不同模型类型对应的下载路径,确保模型文件能够自动保存到正确的目录。
Civitai 详情请求函数
def request_civitai_detail(url):
pattern = r'https://civitai\.com/models/(.+)'
m = re.match(pattern, url)
if not m:
return False, "不是一个有效的 civitai 模型页面链接,暂不支持"
req_url = API_URL + "civitai/models/" + m.group(1)
res = requests.get(req_url)
# ... 处理响应逻辑
这个函数负责解析 Civitai 模型页面链接,并通过 API 获取模型的详细信息。
下载功能实现
def download(model_type, filename, url, image_arr):
target_path = get_model_path(model_type)
# ... 下载逻辑
cmd = f'curl -o "{target_file}" "{url}" 2>&1'
if check_aria2c():
cmd = f'aria2c -c -x 16 -s 16 -k 1M -d "{target_path}" -o "{filename}" "{url}" 2>&1'
下载函数支持使用 curl 或 aria2c 进行多线程下载,提供更快的下载速度。
图片处理功能
def process_image(url):
response = requests.get(url, stream=True)
image = Image.open(response.raw)
return image
该函数负责下载和处理模型预览图片,并自动保存到模型同目录下。
4. 安装方式
推荐安装方式:通过 WebUI 安装
这是最简单快捷的安装方式,直接在 Stable Diffusion WebUI 的扩展页面中搜索并安装。
下载安装方式
- 下载项目仓库的所有文件
- 解压后将整个文件夹放入 WebUI 目录下的 extensions 目录
- 重启 WebUI
命令行安装方式
- 通过命令行进入 WebUI 的文件夹
- 执行以下命令:
cd extensions && git clone --depth 1 https://gitcode.com/gh_mirrors/sd/sd-webui-model-downloader-cn.git
- 重启 WebUI
5. 使用方法
模型预览功能
在插件界面输入 Civitai 模型的页面地址,点击"预览"按钮可以查看模型的详细信息,包括:
- 模型名称和类型
- 触发词(Trained Words)
- 作者信息
- 标签分类
- 最近更新时间
- 模型描述
- 预览图片
下载不同版本的模型
插件支持下载模型的不同版本,确保用户能够获取到最适合自己需求的模型文件。
自动路径选择
插件会根据模型类型自动选择正确的下载路径:
- Checkpoint 模型保存到 Stable-diffusion 目录
- LORA 模型保存到 Lora 目录
- TextualInversion 保存到 embeddings 目录
- Hypernetwork 保存到 hypernetworks 目录
- LoCon 保存到 LyCORIS 目录
- VAE 保存到 VAE 目录
6. 功能特性
- 国内免梯子高速下载: 通过优化的下载通道,实现国内用户无需梯子即可高速下载 Civitai 模型
- 自动识别模型类型: 智能识别模型类型并自动选择正确的下载路径
- 多线程下载支持: 支持 aria2c 多线程下载,大幅提升下载速度
- 图片预览功能: 自动下载模型预览图片并保存到模型同目录
- 多种模型支持: 支持 Checkpoint、LoRA、LyCORIS、VAE、TextualInversion、Hypernetwork 等多种模型类型
7. 注意事项
目前该插件暂时无法使用,因为 Civitai 修改了 API 逻辑,现在需要登录验证才能获取下载信息。开发者正在修复此问题,建议关注项目更新或加入交流群获取最新进展。
8. 交流互助
- Email:sd-model-downloader-cn@tzwm.me
- Stable Diffusion WebUI 微信交流讨论群:可通过文档中的二维码加入
9. 版本历史
- v1.1.3 (2023-06-29): 修复输入错误地址的报错问题
- v1.1.0 (2023-06-24): 增加模型图片预览功能
- v1.0.1 (2023-06-21): 修复某些平台 util.py 文件加载问题
- v1.0.0 (2023-06-21): 基本免梯子全自动下载功能实现
通过本教程,您可以全面了解 SD-WebUI 模型下载器中文版的功能特性和使用方法。虽然目前由于 Civitai API 变更导致插件暂时无法使用,但了解其架构和功能设计对于后续使用和类似插件开发都具有重要参考价值。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07