ModelTC/LightX2V

⚡️ LightX2V – 軽量な動画生成推論フレームワーク

何であるか – LightX2V は、最新の画像・動画生成モデル（テキストから動画、画像から動画、テキストから画像、画像から画像など）を単一GPUまたはマルチGPUクラスタ上で効率的に実行できるオープンソースの推論エンジンです。高速性に特化しており、Diffusers、FastVideo、SGL-Diffusionなどの他のフレームワークと比較して、推論時間を大幅に短縮するための量子化・蒸留されたLoRAチェックポイントと、オフロード、テンソル/シーケンス並列処理、FP8/NVFP4量子化、特徴量キャッシュなどのデプロイテクニックを提供しています。

🎯 コア機能

機能	詳細
マルチモーダル生成	テキストから動画（T2V）、画像から動画（I2V）、テキストから画像（T2I）、画像から画像（I2I）、音声同期動画（T2AV、I2AV、FL2AV、Ref2AV）。
対応モデル	MiniMax-H3、LTX-2/2.3、HunyuanVideo-1.5、Wan 2.1/2.2、SwiftVR、Qwen-Image/-Edit、Self-Forcing、Matrix-Game-2.0 など多数。
高速化テクニック	4ステップ蒸留LoRA、CFGフリー推論、FP8/NVFP4量子化、ブロックレベルオフロード、テンソル/シーケンス並列処理、分散デプロイ（Mooncake、T-head PPU、iluvatar、Enflame、MUSA、ROCm、Ascendなど）。
ベンチマーク	H100（8GPU）で40ステップ81フレームの動画を 0.35秒/ステップ（FP8、CFGなし）で実行 – 自身のベースラインより約2倍速く、競合フレームワークと比較して最大 3.9倍の高速化。
フロントエンド	Gradio Web UI、ComfyUIノードベースUI、Windowsワンクリックインストーラ。
パッケージング	Dockerイメージ、pipインストール可能パッケージ、オプションのカスタムアテンション/量子化カーネル付きソースビルド。

🚀 クイックスタート

# リポジトリから直接インストール
pip install -v git+https://github.com/ModelTC/LightX2V.git

またはローカルでクローンしてビルド：

git clone https://github.com/ModelTC/LightX2V.git
cd LightX2V
uv pip install -v .   # または: pip install -v .

MiniMax-H3 テキストから音声付き動画の例を実行

from lightx2v import LightX2VPipeline
pipe = LightX2VPipeline(
    model_path="/path/to/MiniMax-H3",
    model_cls="minimax_h3",
    model_variant="fl2av",
)
pipe.create_generator(config_json="configs/minimax_h3/dmd/minimax_h3_bf16_4step.json")
pipe.generate(
    task="t2av",
    seed=42,
    prompt="A cinematic fox walks through a snowy forest while soft wind and distant birds create an immersive winter soundscape.",
    save_result_path="outputs/fox.mp4",
)

オプションのアテンション/量子化カーネルの完全インストールや、NVFP4、オフロード、マルチGPUスクリプトなどの詳細例については、examples/ および scripts/ ディレクトリを参照してください。

📚 ドキュメントとコミュニティ

英語ドキュメント: https://lightx2v-en.readthedocs.io/en/latest/
中国語ドキュメント: https://lightx2v-zhcn.readthedocs.io/zh-cn/latest/
Dockerイメージ: lightx2v/lightx2v
HuggingFaceモデルハブ: https://huggingface.co/lightx2v (蒸留LoRA、量子化チェックポイント、オートエンコーダ)
オンラインデモ: https://x2v.light-ai.top/ (インストール不要の「LightX2V Studio」)
WeChatグループ: LightX2V Robot – ID random42seed
貢献ガイド: PR前に ruff + pre-commit を実行；READMEに多数のコミュニティ貢献者が記載されています。

🛠️ 一般的な利用ケース

動画生成の迅速なプロトタイピング – 開発者はGradio UIやComfyUIノードを使ってT2V/T2AVパイプラインを実験できます。
プロダクションレベルの推論 – フレームワークの並列処理と量子化により、中程度のGPUファームで高解像度（720-1080p）の動画モデルを提供可能。
マルチモーダル拡散に関する研究 – LoRAベースのステップ蒸留とカスタムDMD設定の内蔵サポートにより、新しいモデルバリアントのテストが容易。
エッジ指向のデプロイ – T-head PPU、iluvatar、Enflame、MUSA、ROCm、Ascendなどへの対応により、NVIDIA以外のハードウェアでも推論が可能。

📜 ライセンス

Apache 2.0 – 商用・学術用途で自由に利用可能。

結論 – LightX2Vは、最新世代の画像・動画拡散/フローモデル向けのプロダクション対応で、高度に最適化された推論スタックです。モデルズーブインテグレーション、高速化テクニック、すぐに使えるフロントエンドを統合しており、高速でスケーラブルな動画生成が必要なすべての人にとって堅実な選択肢です。