RifeTensorrt Interpolation using Tensortcore and upscaler.
详情
下载文件
关于此版本
模型描述
- 与 ComfyUI 桌面版和 ComfyUI Portable 兼容的一键安装：
首先在上方版本列表中选择你的 CUDA 版本，然后下载、解压，接着点击 INSTALL_RIFE.bat。将你的 ComfyUI 文件夹拖入（例如：G:\ComfyUI_windows_portable1），在命令提示符中拖入该文件夹后，系统会询问你希望安装哪个 wheel 包。请选择你的 Python 版本（CP38 至 CP313，即你的 Python 版本）。完成！你现在可以像疯子一样进行插帧了。注意，安装完成后，你还可以通过管理器安装 comfyui-upscaler-tensorrt。
安装完成后，你可以安全删除安装文件。
https://github.com/yuvraj108c/ComfyUI-Rife-Tensorrt?tab=readme-ov-file
https://github.com/yuvraj108c/ComfyUI-Upscaler-Tensorrt
感谢 https://github.com/yuvraj108c/ComfyUI-Rife-Tensorrt 制作该节点。
我想分享这个，因为我之前使用 VF1 电影插帧和 RIFE 插帧，但插帧一个 20 秒的视频时速度较慢。于是我制作了一个教程，教你怎么让 Rife TensorRT 正常工作。它非常快，还有一个使用 TensorCore 的上采样器，速度也相当快。
- 手动安装方法：
- 步骤 1：前往 NVIDIA TensorRT 下载页面：https://developer.nvidia.com/tensorrt
- 步骤 2：你需要一个账户，因此请登录或注册 NVIDIA 账号
- 步骤 3：登录后，下载合适的文件。对我而言，是 TensorRT 10.14.1 GA for Windows 10, 11, Server 2022 和 CUDA 13.0 ZIP 包，因为我下载的是最新版 ComfyUI Portable，它使用的是 CUDA 13.0。
- 步骤 4：下载完成后，将其解压到某个文件夹中。打开该文件夹，进入 PYTHON 文件夹，你会看到：tensorrt-10.14.1.48-cp313-none-win_amd64.whl。CP313 是 Python 版本。
- 步骤 5：现在你需要安装步骤 4 中的 wheel 包。前往你的 ComfyUI 文件夹（例如：G:\ComfyUI_windows_portable\python_embedded），在搜索栏中输入 CMD，打开命令窗口，输入：python.exe -m pip install ...\...\python\tensorrt-10.14.1.48-cp313-none-win_amd64.whl（请将路径替换为你实际存放 tensorrt-10.14.1.48-cp313-none-win_amd64.whl 文件的位置）。然后安装它。
- 步骤 6：进入你的 python_embedded 文件夹（例如：G:\ComfyUI_windows_portable\python_embedded\Lib\site-packages），在 site-packages 文件夹内创建一个名为 tensorrt_libs 的新文件夹。然后将以下链接中的所有文件复制到该文件夹中：https://huggingface.co/pitou69/tensorrt_libs/tree/main/tensorrt_libs。（注意：这些文件适用于 Python 3.13 或 3.12 及任意 CUDA 版本）。下载所有文件并复制到 tensorrt_libs 文件夹中。
- 步骤 7：现在你需要在你的模型文件夹中创建一个新文件夹（例如：G:\ComfyUI_windows_portable\ComfyUI\models），命名为 tensorrt。在该文件夹内再创建一个名为 rife 的文件夹，然后下载引擎文件：https://huggingface.co/pitou69/tensorrt_libs/tree/main/tensorrt/rife，并将 rife47_custom.engine 文件放入其中。
如果你想测试所有 RIFE 引擎（模型），请访问：https://huggingface.co/pitou69/tensorrt_libs/tree/main/rife%20engine。由于 RIFE 49 被推荐使用，我已为 RIFE 49 和 48 构建了引擎。
- 手动下载：（仅适用于 Python 3.13 和 3.12 + CUDA 13.0。你仍可使用 tensorrt_libs 文件，但需按教程完成步骤 1 至 4。如果你使用的是其他 CUDA 版本（如 CUDA 12.4），请自行构建 wheel 包。）
如果你决定信任我的压缩包并下载我的文件，其中包含了 python_embedded 的全部内容，操作如下：
- 步骤 1：下载压缩包并解压到某个文件夹。
- 步骤 2：将三个文件夹 tensorrt、tensorrt_libs 和 tensorrt-10.14.1.48.dist-info 复制到：G:\ComfyUI_windows_portable\python_embedded\Lib\site-packages。
- 步骤 3：进入你的模型文件夹（例如：G:\ComfyUI_windows_portable\ComfyUI\models），创建一个名为 tensorrt 的文件夹，再在其中创建一个名为 rife 的文件夹，然后将 rife47_custom.engine 文件复制到该文件夹中即可。
此快速安装方法仅适用于信任他人下载文件的情况。否则，请按我制作的教程操作。此外，此快速安装仅适用于新版 ComfyUI Portable（即 Python 3.13 或 3.12 + CUDA 13.0）。
完成！你现在可以享受超快的插帧效果了。
编辑：完成所有安装后，你还可以安装 TensorRT 上采样器。https://github.com/yuvraj108c/ComfyUI-Upscaler-Tensorrt 你可以在管理器中同时下载插帧器和上采样器。上采样器在完成教程或下载压缩包后即可使用。注意：上采样器在将 480p 或更高分辨率（如 720p）进行上采样时会占用一定显存，我尚未找到降低显存占用的方法。建议在 Rife TensorRT 插帧节点后添加一个“清空显存”节点，这可能会有所帮助。