LightVAE

LightVAE

通过 ComfyUI 节点或 Python 脚本，为 Wan2.1、Wan2.2 和 MiniMax-H3 换上更轻的视频自编码器部件。适合想要紧凑 VAE 组件的视频 AI 用户。

由 lightx2v 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：LightVAE 把 Wan2.1、Wan2.2 和 MiniMax-H3 用的视频自编码器缩小了。较小的部件保持和原版相同的潜变量接口，所以你可以把紧凑部件和原版部件混着用。对 Wan 模型，你得到 Pro 和 Lite 解码器；对 MiniMax-H3，你得到 Lite 编码器和解码器，以及一个可选的、用于 ComfyUI 的 INT8 解码器。

适合谁：适合运行 Wan 或 MiniMax-H3 视频模型、想在 ComfyUI 或普通 Python 脚本里使用紧凑 VAE 部件的人。

行业 | 谁在用 | 怎么用 | 例子
视频生成 | ComfyUI 用户 | 在 MiniMax-H3 工作流里换上更轻的解码器或编码器 | 在首尾帧工作流里使用 Load H3 LightVAE 节点
AI 基础设施 | 推理工程师 | 把压缩的 VAE 部件和原版骨干配对 | 原版 Wan2.1 编码器配 Lite 解码器
研究 | 视频模型研究者 | 通过重建片段来测试剪枝和低秩自编码器 | 用 infer 脚本重建一段演示视频
创意工作室 | 流程构建者 | 在 ComfyUI 里试用 INT8 解码器 | 用量化文件解码 H3 的输出

如果你不用 Wan2.1、Wan2.2 或 MiniMax-H3，可以跳过它，因为这些部件是和那些骨干配套的。

用在哪里：ComfyUI 覆盖 MiniMax-H3，独立的 Python 脚本覆盖 Wan 的重建示例。

• ComfyUI，需要原生支持 MiniMax-H3 的版本
• 独立的 Python 脚本，使用 infer.py
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

使用场景 | 谁用 | 得到什么
更轻的 H3 解码 | ComfyUI 用户 | H3 视频工作流里的 Lite 编码器或解码器
Wan 重建 | 研究者 | 用原版 Wan2.1 编码器和 Lite 解码器做出的重建视频文件
INT8 解码 | ComfyUI 用户 | 量化的 H3 Lite 解码器，只用于 ComfyUI

如何设置：对 ComfyUI，先加入 LightVAE 代码，运行它的安装脚本，然后下载 Lite 文件。Python 路径需要代码、它的依赖和原版 Wan VAE。

• 原生支持 MiniMax-H3 的 ComfyUI，以及启动它的 Python 环境
• 原版 H3 视频 VAE
• 对可选的 INT8 解码器，需要 CUDA 13.0 或更新版本的 PyTorch 构建以及兼容的驱动

1. 从 GitHub 把 LightVAE 代码获取到你的 ComfyUI 文件夹里，千万不要直接克隆到 custom_nodes 里。
2. 运行安装脚本，它会替你创建自定义节点文件夹。
3. 下载 Lite H3 编码器和解码器文件。
4. 如果还没有，下载原版 H3 视频 VAE。
5. 重启 ComfyUI，搜索 Load H3 LightVAE 节点。

cd /path/to/ComfyUI

python LightVAE/comfyui/install.py --comfy-root .

python -m pip install huggingface_hub
hf download lightx2v/LightVAE \
  lightvae-lite-h3-decoder.safetensors \
  lightvae-lite-h3-encoder.safetensors \
  --local-dir models/vae/LightVAE

hf download Comfy-Org/MiniMax-H3 \
  vae/minimax_h3_video_vae_fp16.safetensors \
  --local-dir models

如何使用：在 ComfyUI 里，通过常规的 Load VAE 节点加载原版 H3 视频 VAE，并把它的输出接到 base_vae 输入。然后在 Load H3 LightVAE 里选 Lite 部件，再把三个工作流文件中的一个载入 ComfyUI。

• 首尾帧工作流：只替换解码器，并让 encoder 保持 none。
• 参考工作流：替换编码器、解码器或两者。
• 设为 none：使用对应的原版部件。

走 Python 路线的话，下载 Lite Wan2.1 解码器和原版 Wan2.1 VAE，然后在 LightVAE 文件夹里运行 infer 脚本。

python -m pip install -r requirements.txt

hf download lightx2v/LightVAE \
  lightvae-lite-wan21-decoder.safetensors \
  --local-dir weights/LightVAE

hf download Wan-AI/Wan2.1-T2V-1.3B \
  Wan2.1_VAE.pth --local-dir weights/Wan2.1

python infer.py \
  --model wan21 --variant lite \
  --encoder weights/Wan2.1/Wan2.1_VAE.pth \
  --decoder weights/LightVAE/lightvae-lite-wan21-decoder.safetensors \
  --input demo.mp4 --frames 81 --height 480 --width 832 \
  --output outputs/wan21_lite_recon.mp4

工具 | 作用
Load H3 LightVAE | ComfyUI 节点，加载 Lite H3 部件，并复用 ComfyUI 原生的 H3 VAE
base_vae | 连接原版 H3 视频 VAE 的输入
install.py | 把节点安装到你的 ComfyUI 文件夹里
infer.py | 用选定的编码器和解码器文件重建视频
lightvae-lite-h3-decoder-int8-convrot.safetensors | 可选的、用于 ComfyUI 的量化 H3 Lite 解码器

示例：用原版 Wan2.1 编码器和 Lite 解码器，对 demo.mp4 运行 infer.py，设置 81 帧、高 480、宽 832。它把重建的片段写到 outputs/wan21_lite_recon.mp4，你可以拿它和原片比较。

新手与专家：视频自编码器把视频压成紧凑的编码，再展开回来，它是视频模型内存占用的一大块。LightVAE 换上这些部件的较小版本。第一个小尝试是在一段短片上运行 Wan2.1 的重建命令。

对专家来说，Pro 保持原版解码器的深度并加入时间低秩压缩，Lite 则在此之上再做块剪枝。H3 的 Lite 编码器和解码器是各自独立剪枝的。节点复用 ComfyUI 原生的 H3 VAE，所以不需要额外的包或自定义 Triton 内核。代价是检查点必须与它的骨干匹配。

选定骨干：Wan 或 H3
选择 Pro 或 Lite 部件
与原版编码器或解码器配对
在 ComfyUI 里或用 infer.py 运行
把输出和原片比较

注意事项：把部件配到正确的骨干上，比这里的任何事都重要。

• Matching: 每个检查点都要和它自己的骨干配对。
• Wan2.2 choice: 14B 模型用 Wan2.1 VAE，TI2V-5B 用 Wan2.2 VAE。
• Node scope: 目前的 ComfyUI 节点只支持 H3，音频 VAE 保持不变。
• INT8 limit: 那个文件只能用于 ComfyUI，原生加速需要 CUDA 13.0 或更新版本的 PyTorch 构建。
• Workflows: 它们是基础模型的工作流，不是 4 步或 8 步的 turbo-LoRA 工作流。
• License: apache-2.0。
• Cost to run: 未提及，没有 API 密钥、账号或付费服务。
• Data it reaches: 你要重建的视频文件，以及从 Hugging Face 下载的文件。
• Not for: 在独立的 Python 脚本里使用 INT8 文件。

Hugging Face 上的数据（2026年11月13日）

• 任务：other
• 框架：wan2.2
• 最近 30 天下载：819
• 点赞：40
• 许可证：apache-2.0
• 标签：wan2.2, video-vae, video-generation, distillation, image-to-video, text-to-video, comfyui, wan2.1, minimax-h3, other

链接

• 模型：https://huggingface.co/lightx2v/LightVAE
• 文件：https://huggingface.co/lightx2v/LightVAE/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download lightx2v/LightVAE

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。