FlashVSR-Pro-推理指导

概述

FlashVSR-Pro 是FlashVSR的非官方增强版模型，可以直接用于生产环境当作。

本文的介绍了FlashVSR-Pro模型的部署流程，包括推理环境准备、模型部署、功能验证，旨在帮助用户快速完成模型部署和验证。

• 版本说明：

url=https://github.com/LujiaJin/FlashVSR-Pro/
commit_id=bf31fdd4a21642ba668ef94065aa3986608ceb1f

推理环境准备

• 该模型需要以下插件与驱动
  表 1 版本配套表

配套	版本	环境准备指导
固件与驱动	25.5.2	Pytorch框架推理环境准备
CANN	8.5.0	-
Python	3.11	-
PyTorch	2.6.0	-
Ascend Extension PyTorch	2.6.0	-
硬件	Atlas 800T A2, Atlas 800I A2	-

快速上手

获取源码

git clone https://github.com/Eco-Sphere/FlashVSR-Pro.git
cd FlashVSR-Pro
git checkout dev/ascend
cd ..
git clone https://gitcode.com/Ascend/MindIE-SD.git
cd MindIE-SD
git reset --hard 4aa3014c21ea171c3255d2d2591debeaac9e5202
cd ..

安装依赖

# openeuler
yum update
yum -y install opencv ffmpeg
# ubuntu
apt-get update
apt-get install -y libgl1 libglib2.0-0 ffmpeg

cd FlashVSR-Pro
pip install -e .
pip install -r requirements.txt
cd ../MindIE-SD
python setup.py bdist_wheel
cd ..
pip install MindIE-SD/dist/xxx.whl #根据实际情况修改xxx

获取权重

cd FlashVSR-Pro
git lfs install
git clone https://huggingface.co/JunhaoZhuang/FlashVSR-v1.1 ./models/FlashVSR-v1.1

环境变量

# 一级流水优化
export TASK_QUEUE_ENABLE=1
# combind标志，用于优化两个非连续算子组合类场景
export COMBIND_ENABLE=1
# CPU绑核
export CPU_AFFINITY_CONF=1

执行推理

运行推理脚本

python infer.py \
-i ./inputs/example0.mp4 \
-o ./results/ \
--mode tiny \
--tile-dit \
--tile-vae \
--tile-size 256 \
--overlap 24 \
--keep-audio \
--scale 2.0 \
--seed 0 \
--sparse-ratio 2.0 \
--kv-ratio 3.0 \
--local-range 11 \
--color-fix \
--fps 30 \
--quality 10 \
--warmup_file ./inputs/example0.mp4 \
--device cuda \
--dtype bf16

参数说明 i：输入视频文件路径。
o：输出视频文件路径。
mode：推理模式，支持full（使用Wan VAE）、tiny（使用TCDecoder）和tiny-long（适用于长视频）。
tile-dit：开启dit分片推理（减少显存占用）。
tile-vae：开启vae分片decode（仅full模式生效）。
tile-size：分片大小。
overlap：分片之间重叠区域大小。
keep-audio：保留原视频中的音频（如果有的话，且生成视频的fps需要与原视频保持一致）。
scale：视频缩放倍率。
seed：随机种子。
sparse-ratio：稀疏attention比率（1.5=更快，2=更稳定）。
kv-ratio：KV缓存率。
local-range：局部注意力范围（9=更敏锐，11=更稳定）。
color-fix：开启色彩校准。
fps：生成视频fps。
quality：生成视频质量（0-10）。
warmup_file：warm up视频文件。
device：使用的设备（cuda/cpu）。
dtype：数据类型，支持fp32，fo16，bf16。

命令样例

python infer.py \
-i ./inputs/example0.mp4 \
-o ./results/ \
--mode tiny \
--warmup_file ./inputs/example0.mp4

性能数据

注：为了获取真实性能数据，推理前需要先进行warm_up

机器	模式	输入尺寸	时长	放大倍率	输出	推理时长
Atlas 800T A2	full	384x384@30fps	2s	2.0	768x768@30fps	22.27s
Atlas 800T A2	full	672x384@30fps	3s	2.0	1280x768@30fps	56.43s
Atlas 800T A2	full	384x672@30fps	3s	2.0	768x1280@30fps	43.07s
Atlas 800T A2	full	640x480@30fps	2s	2.0	1280x896@30fps	60.57s
Atlas 800T A2	tiny	384x384@30fps	2s	2.0	768x768@30fps	11.36s
Atlas 800T A2	tiny	672x384@30fps	3s	2.0	1280x768@30fps	22.01s
Atlas 800T A2	tiny	384x672@30fps	3s	2.0	768x1280@30fps	22.18s
Atlas 800T A2	tiny	640x480@30fps	2s	2.0	1280x896@30fps	21.86s
Atlas 800T A2	tiny-long	768x416@30fps	54s	2.0	1536x768@30fps	553.73s