# 已有 generator 推理参考的下载与使用 本指南针对 `inference/published_turbot2av_main/model.pth`。仓库中的实际发布范围见 HF 根模型卡和 `CHECKSUMS.json`;完整 DCP 训练快照另见 [CHECKPOINTS.md](CHECKPOINTS.md),15 份筛选快照已全部上传并核验。 ## 文件与来源 | 项目 | 值 | | --- | --- | | HF 模型仓库 | `luyu1021/turbot2va-ltx2` | | 推理文件 | `inference/published_turbot2av_main/model.pth` | | 原文件大小 | 37,753,515,845 bytes,约 37.75 GB / 35.16 GiB | | 参数精度 | BF16 | | tensor 数量 | 3510 | | 参数数量 | 18,876,174,592 | | 内容 | generator;没有 critic、optimizer、scheduler 或 rank RNG | | 元数据标签 | `stage_3_rcm_scm1_dmd1`,step 3500 | | SHA256 | `ef31ea8334cc02c8f65da8c5c66b634eb594bca4a827b5cbbd72d390ffe27c61` | 随附 `checkpoint_info.json` 和 `RELEASE_METADATA.json` 保留原始标签。该文件来自已有推理目录,尚未证明与本地 exp5 的 `checkpoint_003500` 逐 tensor 相同;不能仅凭 step 3500 标签把两者来源合并。本次发布核对了原文件完整 SHA256,未重新训练或转换这个文件。 ## 下载和完整性校验 2026-11-19 用户授权后 HF 仓库已公开,可匿名下载;需要身份认证时仍可在本机登录或通过进程环境变量提供 `HF_TOKEN`。在已经安装 `huggingface_hub` 的 Python 环境中,从代码仓库根目录执行: ```bash python - <<'PY' from huggingface_hub import snapshot_download snapshot_download( repo_id="luyu1021/turbot2va-ltx2", repo_type="model", local_dir="./weights/turbot2va-ltx2", allow_patterns=[ "inference/published_turbot2av_main/*", "CHECKSUMS.json", "README.md", "LICENSE", ], ) PY sha256sum ./weights/turbot2va-ltx2/inference/published_turbot2av_main/model.pth ``` 输出应与上表 SHA256 完全一致。下载目录需要为权重和下载临时文件预留空间;若要固定复现实验,在 `snapshot_download` 中显式设置发布时记录的 HF commit SHA 为 `revision`,保留对应配置、代码 commit 和 seed。 ## 环境与最小推理命令 按 [README](../README.md) 安装 PyTorch `2.7.0+cu128` 和四个本地 LTX 包。实际推理需要 CUDA、官方 dev 基座资产和 Gemma 编码器;当前参考文件只替换 student generator,加载代码仍从官方基座取得模型结构、AV VAE 等资产。 ```bash # 使用当前机器的真实路径;发布配置默认路径都是占位符。 export TURBO_CHECKPOINT_PATH=/path/to/ltx-2-19b-dev.safetensors export TURBO_GEMMA_PATH=/path/to/gemma-3-12b-it-qat-q4_0-unquantized # 先用仓库附带的一条 prompt 检查加载与音视频解码。 python -m ltx_distillation.tools.run_av_inference_eval \ --config_path configs/rcm_from_scm500.yaml \ --prompts_file examples/prompts.txt --num_prompts 1 \ --model_kind student \ --student_checkpoint ./weights/turbot2va-ltx2/inference/published_turbot2av_main/model.pth \ --student_param rcm_trig --student_strict \ --output_dir ./outputs/published_reference_probe \ --seed 12345 --num_seeds 1 ``` `--student_checkpoint` 指向 `.pth` 文件本身;仅包含这个文件的目录不符合 DCP 加载器要求。`--student_param rcm_trig` 使用该参考的阶段标签选择 TrigFlow 包装器;`--student_strict` 要求所有 generator 键匹配,出现 missing/unexpected keys 时应检查基座、代码和参考来源。这里只给出该标签对应的调用方法,本次没有执行 GPU 推理验证。 推理配置使用 121 帧、512×768、24fps,时间序列为 `pi/2 -> 1.5 -> 1.4 -> 1.0 -> 0`,即 4 次 student 前向。评测入口和训练器独立,示例不会启动训练。多 prompt、多 seed 和质量/多样性协议见 [EVALUATION.md](EVALUATION.md)。 ## 训练恢复的边界 这个 generator 文件可供推理,或供显式的模型层初始化;它没有完整训练状态。恢复原 RCM 训练需要对应 DCP 的全部 `sharded/`、`metadata.pth`、8-rank `optim/` 和 `rng/`,并使用匹配的 world size、数据与环境。发布清单中被标为完整恢复的 4 个 artifact 才包含这些文件,这 4 个 artifact 的完整恢复文件已上传并核验。