LightX2V

Framework de inferência leve para geração de imagens e vídeos, com modelos destilados, quantização e vários backends de hardware.

  • Servir em escala
  • Apache 2.0 · Código aberto
  • Linux
  • Verificado

O LightX2V é um framework de inferência do time ModelTC para modelos de texto-para-vídeo, imagem-para-vídeo, texto-para-imagem e edição de imagens. O README o descreve como leve e voltado à síntese eficiente e de alto desempenho. Ele suporta pesos quantizados, modelos destilados por passos e autoencoders leves, e adiciona paralelismo e descarregamento para a CPU para que um modelo possa ser dividido entre GPUs ou espremido em uma menor. A forma recomendada de usá-lo é um servidor com uma API de requisições, que escuta na porta 8000 por padrão, iniciado a partir de um ambiente Docker.

Sua lista de modelos cobre modelos de vídeo como Wan 2.1 e 2.2, LTX-2.5, MiniMax H3 e HunyuanVideo-1.5, e modelos de imagem como Qwen-Image 2.1, FLUX.2, Z-Image, HiDream-O1-Image, ERNIE-Image e MiniMax-H3-Image, além de modelos de restauração como SeedVR2. Sua notícia mais recente, de 11 de novembro de 2026, adiciona o MiniMax-H3-Image com paralelismo de tensores e de sequência e descarregamento para a CPU. O projeto também publica LoRAs destilados, e para sua compilação destilada do Wan 2.2 14B em uma RTX 5090 relata mais de 50 vezes a velocidade de ponta a ponta do original, um número que vem das suas próprias condições de teste no cartão do modelo.

O código é licenciado sob Apache 2.0. Além das GPUs NVIDIA, as notícias mencionam implantações em AMD ROCm, Ascend 910B, Moore Threads MUSA, Hygon DCU, Cambricon, Intel AI PCs e outros aceleradores. O mesmo time também lançou um LightX2V APP separado para rodar modelos de imagem selecionados em um MacBook. Trate-o como uma ferramenta de implantação para quem já sabe qual modelo quer servir.

Bom para

  • Servir modelos Wan, LTX, MiniMax H3 e Qwen-Image com pesos destilados por passos para gerar mais rápido
  • Rodar geração de vídeo em uma placa com menos memória por meio de descarregamento e quantização
  • Implantações em aceleradores que não são da NVIDIA e que o README lista

Pontos de atenção

  • Cada modelo tem sua própria guia, pesos e script de servidor, então a configuração exige leitura atenta
  • As acelerações citadas no README são medições dos próprios mantenedores em suas condições de teste
  • O suporte no Mac vem de um LightX2V APP separado que roda apenas modelos de imagem selecionados

Links