DreamO作为字节跳动开源的统一图像定制框架，基于Diffusion Transformer架构设计，支持角色身份定制、虚拟试穿、风格迁移等多种高频图像编辑任务，凭借出色的生成质量和灵活的适配性，成为开发者和创作爱好者的热门选择。
一、安装前准备：硬件与软件配置要求
DreamO模型对硬件有一定基础要求，尤其是显卡显存，需提前确认设备是否达标。硬件方面，核心配置为NVIDIA显卡，显存≥16GB(24GB及以上更佳，支持CUDA加速);若显存不足8GB，需依赖量化工具和CPU卸载功能辅助运行。CPU推荐Intel i7或AMD Ryzen 7及以上型号，内存建议≥40GB以保障运行流畅性;存储需预留至少70GB空闲空间，用于存放项目代码、模型权重、依赖包及生成文件。显卡需支持CUDA 12.8及以上版本，可通过NVIDIA官方工具查询显卡兼容的CUDA版本。
软件环境需搭建适配的基础框架，操作系统优先选择Windows 10/11 64位或Linux(Ubuntu 20.04及以上)。核心依赖工具及包包括：Git(用于拉取项目代码)、Conda(推荐用于创建独立虚拟环境，避免依赖冲突)、Python 3.10-3.12(需与依赖包版本匹配)、PyTorch(需对应CUDA版本，如CUDA 12.6可安装PyTorch 2.2及以上)，以及FFmpeg(用于图像编码，需配置系统环境变量)。Windows系统需额外安装Visual Studio Build Tools并勾选C++构建工具，确保编译依赖正常。
二、详细安装步骤：从环境搭建到模型启动
1. 项目代码获取与虚拟环境创建
首先获取DreamO官方项目代码，打开终端(Windows为CMD或PowerShell，Linux为终端)，输入命令：git clone https://github.com/bytedance/DreamO.git ，若未安装Git，可直接访问GitHub仓库下载压缩包并解压至指定目录。进入项目根目录，命令为cd DreamO。随后通过Conda创建虚拟环境，输入命令：conda create –name dreamo python=3.10 (Windows与Linux通用)，等待环境创建完成后，激活环境：conda activate dreamo 。
星宇智算官网支持免费部署立马安装！点击下方立即试用!
2. 依赖包安装与版本适配
在激活的虚拟环境中，优先安装项目所需依赖包，执行命令：pip install -r requirements.txt 。需注意DreamO v1.1版本要求diffusers版本为0.33.1.若之前安装过旧版本(如0.31.0)，需手动更新：pip install diffusers==0.33.1 。对于需要CUDA加速的用户，需单独安装适配的PyTorch套件，命令为：pip install torch torchvision torchaudio –index (以CUDA 12.6为例)。若需使用Nunchaku量化工具降低显存占用，需参考其官方仓库单独安装对应依赖。
3. 模型文件自动加载与参数配置
DreamO支持启动时自动下载模型权重，无需手动单独下载。若需修改运行参数(如量化方式、设备选择、推理步数等)，可在项目根目录的配置文件中调整，核心参数包括：–version(指定模型版本，默认v1.1.可切换至v1)、–quant(量化方式，可选none、int8、nunchaku，显存不足时推荐nunchaku)、–device(指定运行设备，可选auto、cuda、cpu，优先选择cuda)、–offload(启用CPU卸载，降低显存占用)。对于8GB显存用户，建议启用量化与卸载组合参数，提升运行稳定性。
4. 模型启动与本地演示验证
完成配置后即可启动模型，基础启动命令为：python app.py ，该命令将启动本地Gradio演示界面。若显存不足(如8GB显存)，需输入优化命令：python app.py –nunchaku –offload ，通过Nunchaku量化和CPU卸载将显存需求降至6.5GB左右。启动成功后，终端将显示本地访问地址(通常为http://localhost:7860 )，复制地址在浏览器中打开，即可进入DreamO可视化操作界面。首次启动需等待模型权重自动下载完成，耗时根据网络速度而定，建议在网络稳定环境下操作。
三、常见问题排查与解决方案
1. 显存不足报错(CUDA out of memory)：除启用–nunchaku –offload参数外，可降低生成图像分辨率，或关闭其他占用显存的程序。若仍无法解决，可添加–no_turbo参数禁用Turbo LoRA加速(需注意会增加推理步数，降低生成效率)。2. 依赖包版本冲突：建议删除现有虚拟环境，重新创建并严格按照requirements.txt安装依赖，关键包(如diffusers、torch)需指定版本号。3. 启动后无法访问界面：检查端口7860是否被占用，可通过命令netstat -ano | findstr 7860 (Windows)查看，占用则关闭对应进程或修改配置文件更换端口。4. 图像生成过度饱和或肢体扭曲：过度饱和可降低引导尺度(guidance scale)，肢体扭曲则适当提高引导尺度，调整范围建议为7-12之间。
四、优化配置建议：提升生成效率与质量
硬件层面，更新NVIDIA显卡驱动至最新版本，确保CUDA加速性能最大化;内存充足时可增大系统缓存，减少数据读取耗时。参数优化方面，默认启用的Turbo LoRA可将推理步数从25步减少至12步，显著提升生成速度，非特殊需求不建议禁用。对于不同任务场景，可针对性调整参数：虚拟试穿任务建议适当提高引导尺度至10左右，风格迁移任务可降低尺度至8.保障风格一致性。定期清理项目根目录的临时缓存文件，释放存储空间，避免影响运行速度。
总结而言，DreamO本地安装的核心在于硬件适配、依赖版本匹配和参数合理配置。遵循“环境搭建-依赖安装-模型启动-优化调整”的流程，即可顺利完成部署。对于新手，建议先使用基础参数完成首次启动，熟悉操作后再根据硬件情况调整量化和加速参数。通过本地安装，不仅可突破网络限制，还能保障数据隐私，为个性化图像定制提供高效支持。
