Wan 视频生成提速指南：LightVAE 轻量 VAE 模型怎么选、怎么配

Wan 视频生成提速指南LightVAE 轻量 VAE 模型怎么选、怎么配【免费下载链接】Autoencoders项目地址: https://ai.gitcode.com/hf_mirrors/lightx2v/Autoencoders跑 Wan 2.1 / Wan 2.2 做视频生成最吃显存的环节往往不是采样而是最后一步 VAE 解码。这个仓库就是专为 Wan 准备的一套“轻量视频 VAE”权重换上 LightTAE 后解码显存从 12.35 GB 降到 0.41 GB耗时从 3.13 秒缩到 0.09 秒5 秒 81 帧视频H100 实测。这个仓库到底给你什么VAE变分自编码器负责把视频压缩成隐表示、再解压回真实像素相当于视频生成流水线里“解压缩”的最后一步——主干模型决定画面内容VAE 决定还原得顺不顺、省不省。官方 VAE 质量最高但代价大解码显存能吃到 12 GB 级别耗时也是秒级起步。仓库里一共 7 个权重、四条产品线官方版Wan2.1_VAE/Wan2.2_VAE质量天花板适合成片输出和当对比基准lightvaew2_1LightVAE 系在官方架构上剪掉 75% 参数再蒸馏训练和官方同款因果 3D 卷积质量接近官方、显存约省一半lighttaew2_1/lighttaew2_2LightTAE 系在开源 TAE 基础上蒸馏而来显存约 0.4 GB解码 0.25 秒内完成质量明显好于开源原版开源小模型taew2_1/taew2_2作基准对照用每个权重都同时提供 .pth 和 .safetensors 两种格式加载工具支持哪种就用哪种。上手之前30 秒确认能不能跑需要 CUDA 显卡官方数据为 H100 实测消费级显卡数值以项目实际表现为准本仓库只有权重你需要已有 LightX2V 主仓库或 ComfyUI 环境来加载它如果主干模型已经快把显存吃满换 LightTAE 能直接省掉整个解码段的显存Wan2.2 约 12 GB5 步接入git clone https://gitcode.com/hf_mirrors/lightx2v/Autoencoders把权重放到固定目录按主干版本选文件Wan2.1 主干配lighttaew2_1.pthWan2.2 配lighttaew2_2.pth在 LightX2V 的配置 json 里填三键use_tae: true、need_scaled: true、tae_path: .../lighttaew2_1.pthLightVAE 系则改用use_lightvae: true加vae_path正式接入前先用 LightX2V 仓库里的vid_recon.py脚本跑一次“编码再解码”肉眼验收重建质量ComfyUI 用户安装 ComfyUI-LightVAE 插件指向同一套权重即可三种场景怎么选用途推荐权重Wan2.1 解码Wan2.2 解码解码显存要最高质量成片Wan2.1_VAE/Wan2.2_VAE5.46 s3.13 s10–12 GB日常生产最佳平衡lightvaew2_12.07 s—约 5.6 GB快速迭代 / 显存紧张lighttaew2_1/lighttaew2_20.25 s0.09 s约 0.4 GB数据来自官方实测5 秒 81 帧视频、BF16 精度、H100。图生视频场景里首帧编码encode一端的节省幅度同量级。容易踩的 4 个坑版本串用Wan2.1 系 VAE 只能配 Wan2.1 主干2.2 配 2.2。混用会报错或出图异常换之前先对版本号。找不到lightvaew2_2LightVAE 系目前只有 Wan2.1 版本Wan2.2 请用lighttaew2_2。漏掉need_scaledLightTAE 系配置里必须带need_scaled: true否则重建结果会不对。“接近官方”不等于“官方”正式交付前建议用官方 VAE 抽测一遍同提示词差异很小但不为零。获取方式直接克隆权重仓库git clone https://gitcode.com/hf_mirrors/lightx2v/Autoencoders所有权重都在仓库根目录没有额外目录结构克隆后把路径指向对应文件即可。文中实测数据均为 5 秒 81 帧视频、BF16 精度下的 VAE 单环节耗时更换分辨率或帧数后请以自己机器复测为准。VAE 只影响编码/解码环节不改变主干的采样步数整片生成耗时以实际运行为准。【免费下载链接】Autoencoders项目地址: https://ai.gitcode.com/hf_mirrors/lightx2v/Autoencoders创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考