⚡️ LightX2V: 轻量级视频生成推理框架

[ English | 中文 ]

LightX2V 是一个先进的轻量级图像视频生成推理框架，专为提供高效、高性能的图像视频生成解决方案而设计。该统一平台集成了多种前沿的图像视频生成技术，支持文本生成视频(T2V)和图像生成视频(I2V)，文本生图片(T2I)，图像编辑(I2I)等多样化生成任务。X2V 表示将不同的输入模态(X，如文本或图像)转换为视觉输出(Vision)。

🌐 立即在线体验！ 无需安装即可体验 LightX2V：LightX2V Studio - 免费、轻量、快速的AI视频生成平台，提供LTX2.3 / Wan 2.2 / SekoTalk / Qwen-Image / SeedVR2等多个模型多种任务的免费体验使用。

🤗 HuggingFace 模型仓库: LightX2V HuggingFace

📝 更多内容请访问我们的 LightX2V 博客

🌟 开发者新手入门教程: LightX2V 开发者快速入门教程

👋 加入微信交流群，LightX2V加群机器人微信号: random42seed

🧾 社区代码贡献指南

在提交之前，请确保代码格式符合项目规范。可以使用如下执行命令，确保项目代码格式的一致性。

pip install ruff pre-commit
pre-commit run --all-files

除了LightX2V团队的贡献，我们也收到一些社区开发者的贡献，包括但不限于：

• zhtshr
• triple-Mu
• vivienfanghuagood
• yeahdongcn
• kikidouloveme79
• ziyanxzy
• Tyr0727
• hufangjian2017
• Fatemanx
• qiuxin2012

:fire: 最新动态

• 2026年8月11日： 🚀 我们发布并支持 MiniMax-H3 Turbo 4-step v1.0 768p 蒸馏 LoRA。configs/minimax_h3/dmd 下的推理配置默认以 1344x768 分辨率运行 H3，使用 video_flow_shift=6、audio_flow_shift=3、LoRA alpha 128，并支持 4 步无 CFG 推理。

• 2026年8月7日： 🚀 LightX2V 正式推出对 MiniMax-H3 的完整推理支持。MiniMax-H3 是一款可生成原生同步立体声音频与视频的全模态生成模型；当前集成覆盖 T2AV、I2AV、L2AV、FL2AV 和 Ref2AV 工作流，并提供模型级与 Block 级 Offload、张量并行与序列并行、DiT 量化推理及特征缓存等优化能力。单卡与多卡示例请参阅 MiniMax-H3 推理脚本。与此同时，我们发布了基于 Qwen3.6-27B 微调的 MiniMax-H3 T2VA Prompt Rewriter LoRA，可将简洁的用户提示词转换为面向 H3 的结构化多模态描述，涵盖视觉叙事、整体音景与非叙事音乐。

• 2026年7月28日： 🚀 我们发布了 LingBot-Video 的 4 步蒸馏 LoRA：LightLingBot-Video。该 LoRA 支持 T2V、T2I 和 I2V 任务，只需 4 步且无需 CFG 即可完成推理。使用方式请参考 LingBot-Video 推理脚本。

• 2026年7月23日： 🎉 我们发布 LightX2V ROS: Closing the Loop for Action-Generating World Models 博客

• 2026年7月19日： ⚡️ 我们发布 Wan2.2-NVFP4-Sparse: Extremely Fast Wan 2.2 14B Inference 博客

• 2026年6月15日： 🚀 支持 平头哥 PPU 的部署。

• 2026年5月29日： 🚀 我们推出了一个极其高效的 Wan 2.2 14B 变体 (T2V and I2V)：面向 Blackwell 架构的 NVFP4 量化感知步数蒸馏与稀疏注意力模型。在单张 RTX 5090 显卡上可实现超过 50 倍的加速。

• 2026年4月30日： 🚀 支持 天数智芯 的部署，感谢天数智芯团队。

• 2026年4月20日： 🚀 我们很高兴发布 Wan2.2-I2V-A14B-4step-720p-high 和 Wan2.2-I2V-A14B-4step-720p-low 两个新模型。与之前的版本相比，这一版本基于高质量的720p数据集进行训练，并采用了优化过的低噪声训练算法。这些改进显著提升了模型在细粒度细节渲染以及视觉纹理方面的表现。

• 2026年4月17日： 🚀 我们支持了 WorldMirror 2.0 模型。在单张 H100 显卡上，LightX2V 可实现约 1.2 倍的推理加速。详细用法请参考此教程。

• 2026年4月10日： 🎉 我们更新了分离部署的技术博客

• LightX2V 分离部署：突破扩散模型推理的显存与吞吐瓶颈

• 2026年3月5日： 🚀 支持 Intel AIPC PTL 的部署，感谢Intel团队。

• 2026年3月5日： 🚀 我们现已支持基于Mooncake的分离部署，更多关于分离部署的改进和文档正在进行中。感谢Mooncake团队的帮助！

• 2026年2月27日： 🚀 我们现已支持自回归视频生成模型（Self Forcing）的 FP8 和 NVFP4 量化！你可以在这里获取量化后的模型：Self-Forcing-FP8， Self-Forcing-NVFP4。

• 2026年2月11日: 🎉 我们很高兴宣布推出 GenRL —— 一个用于视觉生成的可扩展强化学习训练框架！GenRL 支持使用 GRPO 算法对 diffusion/flow 模型进行多奖励优化训练（HPSv3、VideoAlign等）。我们已经发布了在多机多卡上训练的高性能 LoRA checkpoints，在美学质量、运动连贯性和文本-视频对齐等方面都有显著提升。欢迎查看我们在 HuggingFace 上的模型合集！觉得有用的话欢迎给个 ⭐！

• 2026年1月20日: 🚀 我们支持了LTX-2音频-视频生成模型，包含CFG并行、block级别offload、FP8 per-tensor量化等先进特性。使用示例可参考examples/ltx2和scripts/ltx2。

• 2026年1月6日: 🚀 我们更新了Qwen-Image-2512和Qwen/Qwen-Image-Edit-2511的8步的CFG/步数蒸馏模型。可以在Qwen-Image-Edit-2511-Lightning和Qwen-Image-2512-Lightning下载对应的权重进行使用。使用教程参考这里。

• 2026年1月6日: 🚀 支持燧原 Enflame S60 (GCU) 的部署。

• 2025年12月31日: 🚀 我们Day0支持了Qwen-Image-2512 文生图模型. 我们的HuggingFace 已经更新了CFG/步数蒸馏lora权重。使用方式可以参考这里。

• 2025年12月27日: 🚀 支持摩尔线程 MUSA 的部署。

• 2025年12月25日: 🚀 支持 AMD ROCm 和 Ascend 910B 的部署。

• 2025年12月23日: 🚀 我们Day0支持了Qwen/Qwen-Image-Edit-2511的图像编辑模型，H100单卡，LightX2V可带来约1.4倍的速度提升，支持CFG并行/Ulysses并行，高效Offload等技术。我们的HuggingFace已经更新了CFG/步数蒸馏lora和FP8权重。使用方式可以参考这里。结合LightX2V，4步CFG/步数蒸馏，FP8模型，最高可以加速约42倍。可以在LightX2V 在线服务的图生图的Qwen-Image-Edit-2511进行体验。

• 2025年12月22日: 🚀 新增 Wan2.1 NVFP4 量化感知 4 步蒸馏模型 支持；模型与权重已发布在 HuggingFace： Wan-NVFP4。

• 2025年12月15日: 🚀 支持 海光DCU 硬件上的部署。

• 2025年12月4日: 🚀 支持 GGUF 格式模型推理，以及在寒武纪 MLU590、MetaX C500 硬件上的部署。

• 2025年11月24日: 🚀 我们发布了HunyuanVideo-1.5的4步蒸馏模型！这些模型支持超快速4步推理，无需CFG配置，相比标准50步推理可实现约25倍加速。现已提供基础版本和FP8量化版本：Hy1.5-Distill-Models。

• 2025年11月21日: 🚀 我们Day0支持了HunyuanVideo-1.5的视频生成模型，同样GPU数量，LightX2V可带来约2倍以上的速度提升，并支持更低显存GPU部署(如24G RTX4090)。支持CFG并行/Ulysses并行，高效Offload，TeaCache/MagCache等技术。同时支持沐曦，寒武纪等国产芯片部署。我们很快将在我们的HuggingFace主页更新更多模型，包括步数蒸馏，VAE蒸馏等相关模型。量化模型和轻量VAE模型现已可用：Hy1.5-Quantized-Models用于量化推理，HunyuanVideo-1.5轻量TAE用于快速VAE解码。使用教程参考这里，或查看示例目录获取代码示例。

🏆 性能测试数据 (更新于 2025.12.01)

📊 推理框架之间性能对比 (H100)

📊 推理框架之间性能对比 (RTX 4090D)

📊 LightX2V不同配置之间性能对比

注意: 所有以上性能数据均在 Wan2.1-I2V-14B-480P(40 steps, 81 frames) 上测试。此外，我们HuggingFace 主页还提供了4步蒸馏模型。

💡 快速开始

详细使用说明请参考我们的文档：英文文档 | 中文文档

我们强烈推荐使用 Docker 环境，这是最简单快捷的环境安装方式。具体参考：文档中的快速入门章节。

从 Git 安装

pip install -v git+https://github.com/ModelTC/LightX2V.git

从源码构建

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

（可选）安装注意力/量化算子

注意力算子安装说明请参考我们的文档：英文文档 | 中文文档

使用示例

# examples/minimax_h3/minimax_h3_t2av_dmd.py
"""
使用 4 步 768p 蒸馏 LoRA 进行 MiniMax-H3 T2AV 生成。
"""

from lightx2v import LightX2VPipeline

# 初始化 MiniMax-H3 T2AV pipeline。
pipe = LightX2VPipeline(
    model_path="/path/to/MiniMax-H3",
    model_cls="minimax_h3",
    task="t2av",
)

# DMD 配置使用已发布的 768p LoRA、4 步推理、
# video_flow_shift=6、audio_flow_shift=3 和 LoRA alpha=128。
pipe.create_generator(
    config_json="configs/minimax_h3/dmd/minimax_h3_bf16_4step_single_gpu_offload.json"
)

# 生成参数
seed = 42
prompt = "一只电影感狐狸穿过下雪的森林，轻柔的风声和远处鸟鸣构成沉浸式冬季音景。"
save_result_path = "outputs/minimax_h3_t2av_768p.mp4"

# 生成带同步音频的视频
pipe.generate(
    seed=seed,
    prompt=prompt,
    save_result_path=save_result_path,
)

NVFP4（量化感知 4 步）资源 - 推理示例：examples/wan/wan_i2v_nvfp4.py（I2V），examples/wan/wan_t2v_nvfp4.py（T2V）。 - NVFP4 算子编译/安装指南：参见 lightx2v_kernel/README.md。

💡 更多示例: 更多使用案例，包括量化、卸载、缓存等进阶配置，请参考 examples 目录。

🤖 支持的模型生态

官方开源模型

• ✅ LTX-2.3
• ✅ LTX-2
• ✅ HunyuanVideo-1.5
• ✅ Wan2.1 & Wan2.2
• ✅ SeedVR2
• ✅ SwiftVR；先使用 convert_swiftvr.py 转换权重，再运行 超分脚本。
• ✅ Qwen-Image
• ✅ Qwen-Image-Edit
• ✅ Qwen-Image-Edit-2509
• ✅ Qwen-Image-Edit-2511

量化模型和蒸馏模型/Lora (🚀 推荐：4步推理)

• ✅ MiniMax-H3 Turbo —— 面向 MiniMax-H3 T2AV/FL2AV 的 4 步 768p 蒸馏 LoRA
• ✅ LightLingBot-Video —— 面向 LingBot-Video T2V、T2I 和 I2V 任务的 4 步蒸馏 LoRA
• ✅ Wan2.1-Distill-Models
• ✅ Wan2.2-Distill-Models
• ✅ Wan2.1-Distill-Loras
• ✅ Wan2.2-Distill-Loras
• ✅ Wan2.1-Distill-NVFP4
• ✅ Qwen-Image-Edit-2511-Lightning

轻量级自编码器模型(🚀 推荐：推理快速 + 内存占用低)

• ✅ Autoencoders

自回归模型

• ✅ Wan2.1-T2V-CausVid
• ✅ Self-Forcing
• ✅ Matrix-Game-2.0

🔔 可以关注我们的HuggingFace主页，及时获取我们团队的模型。

💡 参考模型结构文档快速上手 LightX2V

🚀 前端展示

我们提供了多种前端界面部署方式：

• 🎨 Gradio界面: 简洁易用的Web界面，适合快速体验和原型开发
• 📖 Gradio部署文档
• 🎯 ComfyUI界面: 强大的节点式工作流界面，支持复杂的视频生成任务