WAN i2v (Kijai Version) + Sage_Attn + Teacache (Native)+ VFI Interpolation/Upscale

소개

이것은 WAN 비디오, Sage Attention 및 새로운 teacache 지원과 함께 사용하기 위한 기본 워크플로입니다. 30개의 샘플로 기본 테스트를 진행한 결과 생성 속도가 17분에서 약 6분으로 감소했습니다. 이는 속도 측면에서 엄청난 향상입니다. 일부 사용자들이 설치에 어려움을 겪었기 때문에, 여기에 제가 사용하는 워크플로를 공유하여 도움을 드리고자 합니다.

참고 - 이 버전은 Kijai 버전입니다. 사용하는 모델은 Comfy에서 지원하는 모델과 다릅니다. Kijai의 HuggingFace 링크 및 예제 워크플로를 포함한 튜토리얼 링크

Teacache 노드 다운로드:

custom_nodes 폴더로 이동하여 다음 명령어를 입력하세요:

git clone https://github.com/welltop-cn/ComfyUI-TeaCache

Sage Attention

Sage Attention 설치가 번거롭다는 것을 알고 있습니다. 현재 이곳에 설치 가이드가 준비되어 있지 않지만, 몇 가지 조언을 드릴 수 있습니다. Nvidia SDK, Torch 버전, Python 버전 및 Sage Attention 버전이 모두 일치하고 호환되어야 합니다. 제가 가장 큰 문제를 겪었던 부분이 이였습니다. Sage Attention부터 시작하여 호환성을 확인한 후, 그에 맞춰 역으로 설정을 조정해 보세요.

저는 유튜브에서 이를 실행하는 좋은 튜토리얼을 찾았습니다(발표자는 저와 관련이 없습니다). 버전 호환성이 매우 중요하다는 점을 다시 강조합니다. 제가 설치할 때 Nvidia SDK 버전을 낮춰야 모든 구성이 호환되었었습니다.

개인 테스트

GTX 4090 + 64GB RAM(30단계) 환경에서 이 설정으로 테스트한 결과

100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 30/30 [05:56<00:00, 11.89s/it]

SDPA를 사용한 테스트 결과:

100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 30/30 [17:27<00:00, 34.91s/it]

6분 대 17.5분. 거의 3배 빠른 속도는 나쁘지 않습니다.