Stable Diffusion XL 流水线构建器

要解决的问题

把 SDXL 从「能跑」推进到「能按你的条件稳定出图」，中间隔着一层胶水代码：拼装 pipeline、挂载 LoRA 权重、接入 ControlNet 做结构条件控制，还要把一批提示词排进调度里。这个技能针对的就是这部分重复劳动——它负责构建并执行基于 diffusers 的 SDXL 生成流水线，同时提供 ComfyUI API 的执行路径，方便在节点式工作流或脚本环境里驱动同一套逻辑。

核心能力与工作方式

• 流水线构建与执行：使用 diffusers 组装 SDXL 生成管线，并可通过 ComfyUI API 驱动推理。
• 条件控制：支持 LoRA 加载与 ControlNet conditioning，让画面服从参考图或边缘、深度一类的结构信号。
• 批量调度：支持 batch prompt scheduling，把多条提示词按批次组织进同一次推理流程。
• 推理入口：上游示例指向 scripts/sampling/simple_video_sample_4d2.py，默认接收 21 帧输入视频，checkpoint 形如 checkpoints/sv4d2_8views.safetensors。
• 自回归补帧：5x8 模型一次只吃 5 帧输入，脚本以 21 帧为默认目标，循环自回归推理直到补齐 21 帧。

适用边界与注意点

• 显存吃紧时可以降低单次编码与解码的帧数，例如 --encoding_t=1、--decoding_t=1，或把 --img_size 压到 512。
• 模型权重（如 sv4d2.safetensors）需要自行下载，仓库并不附带。
• 文档中的推理示例以 SV4D 2.0 视频采样为主，与 SDXL 图像生成的定位并不完全对齐；图像侧的 LoRA、ControlNet 实际能力以随附脚本和依赖为准，建议先在小分辨率上验证再放大。