LightX2V

Leichtgewichtiges Inferenz-Framework für Bild- und Videoerzeugung, mit destillierten Modellen, Quantisierung und vielen Hardware-Backends.

  • Skalierender Betrieb
  • Apache 2.0 · Open Source
  • Linux
  • Verifiziert

LightX2V ist ein Inferenz-Framework des ModelTC-Teams für Text-zu-Video-, Bild-zu-Video-, Text-zu-Bild- und Bildbearbeitungsmodelle. Das README beschreibt es als leichtgewichtig und auf effiziente, leistungsstarke Synthese ausgerichtet. Es unterstützt quantisierte Gewichte, schrittdestillierte Modelle und leichte Autoencoder, und es ergänzt Parallelität und CPU-Offload, sodass ein Modell auf mehrere GPUs verteilt oder in eine kleinere gequetscht werden kann. Die empfohlene Nutzungsart ist ein Server mit einer Anfrage-API, der standardmäßig auf Port 8000 lauscht und aus einer Docker-Umgebung gestartet wird.

Seine Modellliste deckt Videomodelle wie Wan 2.1 und 2.2, LTX-2.5, MiniMax H3 und HunyuanVideo-1.5 ab sowie Bildmodelle wie Qwen-Image 2.1, FLUX.2, Z-Image, HiDream-O1-Image, ERNIE-Image und MiniMax-H3-Image, dazu Restaurierungsmodelle wie SeedVR2. Die neueste Nachricht vom 11. November 2026 ergänzt MiniMax-H3-Image mit Tensor- und Sequenzparallelität und CPU-Offload. Das Projekt veröffentlicht auch destillierte LoRAs, und für seinen destillierten Wan-2.2-14B-Build auf einer RTX 5090 berichtet es von mehr als der 50-fachen End-to-End-Geschwindigkeit des Originals, eine Zahl aus den eigenen Testbedingungen der Modellkarte.

Der Code steht unter der Apache-2.0-Lizenz. Über NVIDIA-GPUs hinaus erwähnen die Nachrichten Deployments auf AMD ROCm, Ascend 910B, Moore Threads MUSA, Hygon DCU, Cambricon, Intel-AI-PCs und anderen Beschleunigern. Dasselbe Team hat außerdem eine separate LightX2V APP zum Ausführen ausgewählter Bildmodelle auf einem MacBook veröffentlicht. Betrachten Sie es als Deployment-Werkzeug für Leute, die bereits wissen, welches Modell sie bereitstellen wollen.

Geeignet für

  • Wan-, LTX-, MiniMax-H3- und Qwen-Image-Modelle mit schrittdestillierten Gewichten für schnellere Generierung servieren
  • Videoerzeugung auf einer Karte mit weniger Speicher durch Offload und Quantisierung laufen lassen
  • Deployments auf nicht-NVIDIA-Beschleunigern, die das README aufführt

Darauf achten

  • Jedes Modell hat sein eigenes Handbuch, eigene Gewichte und ein eigenes Serverskript, daher erfordert das Setup sorgfältiges Lesen
  • Die im README genannten Beschleunigungen sind Messungen der Maintainer selbst unter deren Testbedingungen
  • Mac-Unterstützung kommt von einer separaten LightX2V APP, die nur ausgewählte Bildmodelle ausführt

Links