К содержимому
Видео

FlashVSR+ ONNX

ONNX-версии быстрой модели апскейла видео

2 мин чтенияобновлено

Набор весов и графов в формате ONNX для модели FlashVSR+, портированный командой moonbox для запуска на различных устройствах через ONNX Runtime на базе CPU, CUDA или DirectML. Базируется на архитектуре Wan2.1-T2V-1.3B и позволяет выполнять стриминговый апскейл видео в реальном времени с гибридным вниманием. Репозиторий содержит версии в fp16 и int8 с готовыми скриптами препроцессинга и инференса. Полезно разработчикам и видеоэнтузиастам для локального запуска апскейла видео на поддерживаемом железе.

Ключевые особенности

  • Поддержка формата ONNX для интеграции в сторонние приложения и запуск через ONNX Runtime.
  • Два варианта точности на выбор: fp16 и int8 (с квантованием весов DiT до 8 бит).
  • Включен готовый пайплайн обработки кадров, работающий аналогично оригинальному репозиторию.
  • Сохранение высокого качества кадров с минимальными потерями PSNR по сравнению с оригинальным PyTorch-решением.

Что можно сделать

  • Запустить локальный апскейл видеороликов с помощью Python-скрипта или командной строки.
  • Интегрировать ONNX-графы в собственные проекты обработки видео с использованием CUDA или DirectML.
  • Протестировать производительность моделей в различных режимах точности на собственном железе.

Пример

import sys
from PIL import Image
from pathlib import Path
sys.path.insert(0, "fp16")
import pipeline
p = pipeline.FlashVSRPlus("fp16", "cuda")
frames = [Image.open(f) for f in sorted(Path("clip").iterdir())]
out = p(frames, width=1280, height=768, seed=1)
Подробнее• Точность fp16: среднее PSNR 43.0 / 39.8 дБ на тестовых клипах.
• Точность int8: среднее PSNR 42.9 / 39.6 дБ на тестовых клипах.
• Требования к железу: протестировано на CUDA, требуется видеокарта с поддержкой CUDA и достаточный объем памяти для кэширования.
• Лицензия: Apache-2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы3.0 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB3.0 GB
  • 4-bitвеса 0.0 GB3.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # moonbox-dev/FlashVSR_Plus-ONNX
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download moonbox-dev/FlashVSR_Plus-ONNX --local-dir ~/models/FlashVSR_Plus-ONNX
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к FlashVSR_Plus-ONNX
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • LightX2V step distill0.6.1от 9 ноября 2026новая версия

    5–10× меньше шагов

    Дистиллированные LoRA и движок: видео за 4–8 шагов вместо 30–50.

    Как включить: Подключите их step-distill LoRA к модели, CFG 1.0, 4–8 шагов.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии FlashVSR_Plus-ONNX — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

moonbox-dev/FlashVSR_Plus-ONNX
Автор
moonbox-dev
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Видео

FlashVSR+

FlashVSR+
Видео

pi-H3

pi-H3
Видео

Wan2.1

Wan2.1