模型下载与选型

模型格式与精度

模型格式：.safetensors（非 GGUF、非 PTH）。SeedVR2 官方与社区仓库均以 HuggingFace safetensors 格式分发，本项目仅兼容该格式。精度支持 FP16（全精度，画质最佳） 与 FP8（E4M3FN 量化，省显存） 两种； 不兼容 GGUF / INT4 / INT8 等其他量化（这些格式在修复类扩散模型中会明显损伤画质）。

资源占用与效果对比

模型	精度	文件直链（`huggingface.co/numz/SeedVR2_comfyUI/resolve/main/…`）	最低显存	约内存	效果
SeedVR2-3B	FP16	`seedvr2_ema_3b_fp16.safetensors`	16 GB	~12 GB	★★★ 最佳
SeedVR2-3B	FP8	`seedvr2_ema_3b_fp8_e4m3fn.safetensors`	8 GB	~8 GB	★★☆ 略降
SeedVR2-7B	FP16	`seedvr2_ema_7b_fp16.safetensors`	24 GB	~20 GB	★★★ 最佳
SeedVR2-7B	FP8	`seedvr2_ema_7b_fp8_e4m3fn.safetensors`	12 GB	~12 GB	★★☆ 略降
SeedVR2-7B-Sharp	FP16	`seedvr2_ema_7b_sharp_fp16.safetensors`	24 GB	~20 GB	★★★ 最佳（细节增强）
SeedVR2-7B-Sharp	FP8	`seedvr2_ema_7b_sharp_fp8_e4m3fn.safetensors`	12 GB	~12 GB	★★☆ 略降

配套必需文件（所有模型共用）： ema_vae_fp16.safetensors（视频 VAE）、pos_emb.pt / neg_emb.pt（文本嵌入）。

选型建议

显存 ≤ 12 GB → 选 3B FP8（最低 8 GB）或 7B FP8 + BlockSwap
显存 16–24 GB → 选 3B FP16 或 7B FP8（画质/显存均衡）
显存 ≥ 24 GB → 选 7B-Sharp FP16（三档中画质与细节最好）

📌 "最低显存"为模型推理所需的显卡显存下限（来自 config.yaml 的 model.models.*.min_vram_*_gb）； "约内存"为推理时系统 RAM 占用经验值，实际以「系统状态」页监控为准。 ⚠️ 重要说明：当前项目的 FP8 实现仅用于权重存储格式。推理时权重仍按 FP16/FP32 加载，因此 FP8 模型和 FP16 模型的推理速度基本相同。真正影响速度的是 BlockSwap、分辨率和帧数。
BlockSwap 开启：降低 20-70% 速度（取决于交换块数）
分辨率提高：2048×2048 比 1024×1024 慢 3-4 倍
FP8 vs FP16：几乎无差异（当前未实现真正的 FP8 计算内核）
显存不足时可通过 FP8 + BlockSwap（GPU/CPU 动态换入换出 Transformer 块）进一步压降显存需求。

下载方式

方式 A：自动下载（推荐）

bash

python scripts/download_model.py --size 3b        # 3B + VAE + 嵌入（默认）
python scripts/download_model.py --size 7b        # 7B + VAE + 嵌入
python scripts/download_model.py --size 7b_sharp  # 7B-Sharp + VAE + 嵌入

已存在的文件会自动跳过，可随时重跑补全，支持断点续传
大陆网络慢：先执行 set HF_ENDPOINT=https://hf-mirror.com 再重跑脚本

方式 B：手动下载（网络更稳时）

每个文件的完整直链（把 <FILE> 替换成下表文件名，hf-mirror.com 为国内加速镜像）：

text

https://huggingface.co/numz/SeedVR2_comfyUI/resolve/main/<FILE>
https://hf-mirror.com/numz/SeedVR2_comfyUI/resolve/main/<FILE>   # 国内加速

文件	说明
`seedvr2_ema_3b_fp16.safetensors`	3B DiT（FP16）
`seedvr2_ema_3b_fp8_e4m3fn.safetensors`	3B DiT（FP8）
`seedvr2_ema_7b_fp16.safetensors`	7B DiT（FP16）
`seedvr2_ema_7b_fp8_e4m3fn.safetensors`	7B DiT（FP8）
`seedvr2_ema_7b_sharp_fp16.safetensors`	7B-Sharp DiT（FP16）
`seedvr2_ema_7b_sharp_fp8_e4m3fn.safetensors`	7B-Sharp DiT（FP8）
`ema_vae_fp16.safetensors`	视频 VAE（所有模型共用，必须）
`pos_emb.pt` / `neg_emb.pt`	文本嵌入（所有模型共用，必须）

把下载好的文件放到 model/ 根目录，文件名不要改。

备选来源：官方仓库 huggingface.co/ByteDance-Seed/SeedVR2-3B / SeedVR2-7B（文件名可能略异，需对照 config.yaml 中的 checkpoint_* / vae_checkpoint / pos_emb / neg_emb 字段）。

验证放对位置

最终 model/ 根目录下应直接看到这些文件（以 3B 为例）：

text

model/
├── seedvr2_ema_3b_fp16.safetensors
├── seedvr2_ema_3b_fp8_e4m3fn.safetensors
├── ema_vae_fp16.safetensors
├── pos_emb.pt
└── neg_emb.pt

💡 多项目共用一套模型？把 config.yaml 的 model.model_source_mode 改为 shared 并指定 model.shared_models_root 指向共享目录即可（见下方「模型共享模式」）。

模型共享模式（shared）

一台机器跑多个 SeedVR2 实例（或家族内多个项目）时，默认的 portable 模式会让每个实例各自持有一份约 60 GB 的权重。shared 模式让所有实例指向同一份物理文件，磁盘占用只算一份：

yaml

model:
  model_source_mode: shared
  shared_models_root: "D:/shared_models"   # 绝对路径，目录结构要求与 portable 的 model/ 完全一致
  pretrained_dir: model                    # portable 模式的回退值，shared 下不再使用

要求与行为：

共享目录必须是平铺结构（权重直接放在根下，不要建子目录），文件名与各模型条目的 checkpoint_fp16 / checkpoint_fp8 / vae_checkpoint / pos_emb / neg_emb 字段一致；
shared_models_root 为空字符串时自动回退到 portable 模式（使用 pretrained_dir）；
SHA256 完整性校验（config.yaml 各条目的 sha256_* 字段）在 shared 模式下同样生效，多个实例共享的是同一份已校验权重；
首次配置：把现有 model/ 目录的内容复制或移动到共享目录即可，之后其他实例无需再下载；
下载脚本可直接写入共享目录：python scripts/download_model.py --size 3b --save-dir "D:/shared_models"；
7B 与 7B-Sharp 是不同的权重（字节数相同但内容不同，sha256_* 可验证），共享目录里两组文件都需要保留；如果只用得上 FP8，可按需只保留 *_fp8_e4m3fn.safetensors 以减半存储。

模型下载与选型 ​

模型格式与精度 ​

资源占用与效果对比 ​

选型建议 ​

下载方式 ​

方式 A：自动下载（推荐） ​

方式 B：手动下载（网络更稳时） ​

验证放对位置 ​

模型共享模式（shared） ​