LightX2V
Framework d'inférence léger pour la génération d'images et de vidéos, avec modèles distillés, quantification et nombreux backends matériels.
LightX2V est un framework d'inférence de l'équipe ModelTC pour les modèles texte-vers-vidéo, image-vers-vidéo, texte-vers-image et d'édition d'images. Le README le décrit comme léger et visant une synthèse efficace et performante. Il prend en charge les poids quantifiés, les modèles distillés par pas et les auto-encodeurs légers, et ajoute parallélisme et déchargement CPU pour qu'un modèle puisse être réparti sur plusieurs GPU ou tenu dans une carte plus petite. La façon recommandée de l'utiliser est un serveur avec une API de requêtes, qui écoute sur le port 8000 par défaut, lancé depuis un environnement Docker.
Sa liste de modèles couvre des modèles vidéo comme Wan 2.1 et 2.2, LTX-2.5, MiniMax H3 et HunyuanVideo-1.5, et des modèles d'image comme Qwen-Image 2.1, FLUX.2, Z-Image, HiDream-O1-Image, ERNIE-Image et MiniMax-H3-Image, ainsi que des modèles de restauration comme SeedVR2. Sa dernière actualité, datée du 11 novembre 2026, ajoute MiniMax-H3-Image avec parallélisme de tenseurs et de séquence et déchargement CPU. Le projet publie aussi des LoRA distillés, et pour sa version distillée de Wan 2.2 14B sur une RTX 5090 il annonce plus de 50 fois la vitesse de bout en bout de l'original, un chiffre issu de ses propres conditions de test sur la fiche du modèle.
Le code est sous licence Apache 2.0. Au-delà des GPU NVIDIA, les actualités mentionnent des déploiements sur AMD ROCm, Ascend 910B, Moore Threads MUSA, Hygon DCU, Cambricon, des PC IA Intel et d'autres accélérateurs. La même équipe a aussi publié une application séparée, LightX2V APP, pour exécuter certains modèles d'image sur un MacBook. Traitez-le comme un outil de déploiement pour ceux qui savent déjà quel modèle ils veulent servir.
Idéal pour
- Servir les modèles Wan, LTX, MiniMax H3 et Qwen-Image avec des poids distillés par pas pour générer plus vite
- Faire tourner la génération vidéo sur une carte avec moins de mémoire grâce au déchargement et à la quantification
- Déploiements sur les accélérateurs non NVIDIA listés par le README
Points d’attention
- Chaque modèle a son guide, ses poids et son script de serveur, donc l'installation demande une lecture attentive
- Les accélérations citées dans le README sont des mesures des mainteneurs eux-mêmes dans leurs conditions de test
- Le support Mac vient d'une LightX2V APP séparée qui n'exécute que certains modèles d'image