ModelTC/LightX2V

⚡️ LightX2V – 轻量级视频生成推理框架

是什么 – LightX2V 是一个开源推理引擎，可在单个 GPU 或多 GPU 集群上高效运行最先进的图像与视频生成模型（文本到视频、图像到视频、文本到图像、图像到图像等）。它专注于速度：作者提供了量化、蒸馏的 LoRA 检查点以及一系列部署技巧（卸载、张量/序列并行、FP8/NVFP4 量化、特征缓存），与 Diffusers、FastVideo 或 SGL-Diffusion 等其他框架相比，显著缩短了推理时间。

🎯 核心功能

功能	详情
多模态生成	文本到视频（T2V）、图像到视频（I2V）、文本到图像（T2I）、图像到图像（I2I）以及音视频同步视频（T2AV、I2AV、FL2AV、Ref2AV）。
支持模型	MiniMax-H3、LTX-2/2.3、HunyuanVideo-1.5、Wan 2.1/2.2、SwiftVR、Qwen-Image/-Edit、Self-Forcing、Matrix-Game-2.0 等。
加速技巧	4步蒸馏 LoRA、CFG 无推理、FP8/NVFP4 量化、块级卸载、张量/序列并行、解耦部署（Mooncake、T-head PPU、iluvatar、Enflame、MUSA、ROCm、Ascend 等）。
基准测试	在 H100（8 GPU）上，LightX2V 以 0.35 秒/步（FP8，无 CFG）完成 40 步 81 帧视频生成——比自身基线快约 2 倍，比竞争框架最快快 3.9 倍。
前端	Gradio Web UI、ComfyUI 节点式 UI、Windows 一键安装程序。
打包方式	Docker 镜像、pip 可安装包、支持可选自定义注意力/量化内核的源码构建。

🚀 快速上手（快速启动）

# 直接从仓库安装
pip install -v git+https://github.com/ModelTC/LightX2V.git

或克隆并本地构建：

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

运行 MiniMax-H3 文本到音视频示例

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",
)

如需完整安装可选注意力/量化内核，以及更多示例（NVFP4、卸载、多 GPU 脚本），请参阅 examples/ 和 scripts/ 目录。

📚 文档与社区

英文文档： https://lightx2v-en.readthedocs.io/en/latest/
中文文档： https://lightx2v-zhcn.readthedocs.io/zh-cn/latest/
Docker 镜像： lightx2v/lightx2v
HuggingFace 模型库： https://huggingface.co/lightx2v（蒸馏 LoRA、量化检查点、自动编码器）
在线演示： https://x2v.light-ai.top/（无需安装的“LightX2V Studio”）
微信群组： LightX2V Robot – ID random42seed
贡献指南： 提交 PR 前运行 ruff + pre-commit；README 中列出了众多社区贡献者。

🛠️ 典型应用场景

视频生成的快速原型开发 – 开发者可快速搭建 Gradio UI 或 ComfyUI 节点，实验 T2V/T2AV 流水线。
生产级推理 – 框架的并行化与量化能力，使在中等规模 GPU 集群上部署高分辨率（720-1080p）视频模型成为可能。
多模态扩散研究 – 内置 LoRA 基础的步长蒸馏与自定义 DMD 配置，便于测试新型模型变体。
边缘部署 – 支持 T-head PPU、iluvatar、Enflame、MUSA、ROCm、Ascend 等，可在非 NVIDIA 硬件上运行。

📜 许可证

Apache 2.0 – 免费用于商业与学术用途。

总结 – LightX2V 是面向新一代图像与视频扩散/流模型的生产就绪、高度优化的推理栈。它集成了模型库、加速技巧与开箱即用的前端，是任何需要快速、可扩展视频生成的用户的坚实选择。