ModelTC/LightX2V

⚡️ LightX2V – 輕量級影片生成推論框架

是什麼 – LightX2V 是一個開源推論引擎，可在單一 GPU 或多 GPU 集群上高效執行最新的影像與影片生成模型（文字到影片、影像到影片、文字到影像、影像到影像等）。它專注於速度：作者提供量化、蒸餾的 LoRA 檢查點，以及一系列部署技巧（卸載、張量/序列平行、FP8/NVFP4 量化、特徵快取），與 Diffusers、FastVideo 或 SGL-Diffusion 等其他框架相比，大幅縮短推論時間。

🎯 核心功能

功能	詳細
多模態生成	文字到影片（T2V）、影像到影片（I2V）、文字到影像（T2I）、影像到影像（I2I）以及音訊同步影片（T2AV、I2AV、FL2AV、Ref2AV）。
支援模型	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步蒸餾 LoRA、CFG 無推論、FP8/NVFP4 量化、區塊級卸載、張量/序列平行、解耦部署（Mooncake、T-head PPU、iluvatar、Enflame、MUSA、ROCm、Ascend 等）。
基準測試	在 H100（8 GPU）上，LightX2V 以 0.35 秒/步（FP8，無 CFG）完成 40 步 81 幀影片生成——比自身基線快約 2 倍，比競爭框架最快快 3.9 倍。
前端	Gradio Web UI、ComfyUI 節點式 UI、Windows 一鍵安裝程式。
打包方式	Docker 鏡像、pip 可安裝套件、支援可選自訂注意力/量化內核的原始碼建置。

🚀 快速上手（快速啟動）

# 直接從倉儲安裝
pip install -v git+https://github.com/ModelTC/LightX2V.git

或克隆並本地建置：

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

執行 MiniMax-H3 文字到音訊影片範例

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",
)

如需完整安裝可選注意力/量化內核，以及更多範例（NVFP4、卸載、多 GPU 腳本），請參閱 examples/ 和 scripts/ 目錄。

📚 文件與社群

英文文件： https://lightx2v-en.readthedocs.io/en/latest/
中文文件： https://lightx2v-zhcn.readthedocs.io/zh-cn/latest/
Docker 鏡像： lightx2v/lightx2v
HuggingFace 模型庫： https://huggingface.co/lightx2v（蒸餾 LoRA、量化檢查點、自動編碼器）
線上示範： https://x2v.light-ai.top/（無需安裝的「LightX2V Studio」）
微信群組： LightX2V Robot – ID random42seed
貢獻指南： 提交 PR 前執行 ruff + pre-commit；README 中列出了許多社群貢獻者。

🛠️ 典型應用場景

影片生成的快速原型開發 – 開發者可快速搭建 Gradio UI 或 ComfyUI 節點，實驗 T2V/T2AV 流水線。
生產級推論 – 框架的平行化與量化能力，使在中等規模 GPU 集群上部署高解析度（720-1080p）影片模型成為可能。
多模態擴散研究 – 內建 LoRA 基礎的步驟蒸餾與自訂 DMD 配置，便於測試新型模型變體。
邊緣部署 – 支援 T-head PPU、iluvatar、Enflame、MUSA、ROCm、Ascend 等，可在非 NVIDIA 硬體上運行。

📜 授權條款

Apache 2.0 – 可免費用於商業與學術用途。

總結 – LightX2V 是面向新一代影像與影片擴散/流模型的生產就緒、高度優化的推論堆疊。它整合了模型資料庫、加速技巧與開箱即用的前端，是任何需要快速、可擴展影片生成的使用者的穩健選擇。