Self-Forcing (Wan2.1-T2V-1.3B)

本文档介绍如何在 LightX2V 中运行 Wan2.1-T2V-1.3B 的 Self-Forcing 加速。

准备环境

请参考环境安装

下载

1. BF16 原始模型 (Wan2.1-T2V-1.3B)

从 Wan-AI 的 Hugging Face 仓库下载 BF16 原始模型：

huggingface-cli download Wan-AI/Wan2.1-T2V-1.3B --local-dir-use-symlinks False --local-dir wan_models/Wan2.1-T2V-1.3B

2. Self-Forcing checkpoint

下载 Self-Forcing 的 checkpoint（self_forcing_dmd.pt）：

huggingface-cli download gdhe17/Self-Forcing checkpoints/self_forcing_dmd.pt --local-dir .

3. 量化模型 (FP8 / NVFP4)

从 LightX2V 的 HuggingFace Collection 下载量化模型：

https://huggingface.co/collections/lightx2v/ar-lightx2v

开始运行

我们提供三个脚本：

1. scripts/self_forcing/run_wan_t2v_sf.sh：BF16 原始模型 + Self-Forcing checkpoint
2. scripts/self_forcing/run_wan_t2v_sf_fp8.sh：FP8 量化模型
3. scripts/self_forcing/run_wan_t2v_sf_nvfp4.sh：NVFP4 量化模型

运行下面任意脚本之前，你需要先把脚本中的路径变量填好。

1) BF16 + Self-Forcing checkpoint

修改并运行：

bash scripts/self_forcing/run_wan_t2v_sf.sh

run_wan_t2v_sf.sh 中关键字段：

• lightx2v_path：你的 LightX2V 仓库路径
• model_path：原始 BF16 Wan2.1-T2V-1.3B 模型目录路径
• 配置文件中的 dit_original_ckpt：self_forcing_dmd.pt 的路径（从 gdhe17/Self-Forcing 下载）

该脚本实际会执行：

• python -m lightx2v.infer
• --model_cls wan2.1_sf：使用 Wan2.1 的 Self-Forcing pipeline
• --task t2v：文生视频
• --config_json configs/self_forcing/wan_t2v_sf.json：Self-Forcing 的运行配置

注意：configs/self_forcing/wan_t2v_sf.json 中默认 enable_cfg=false。

2) FP8 量化模型

修改并运行：

bash scripts/self_forcing/run_wan_t2v_sf_fp8.sh

关于 FP8 的额外说明：

• 该脚本使用 configs/self_forcing/wan_t2v_sf_fp8.json。
• 你需要把该配置文件中的 dit_quantized_ckpt 修改为从 HuggingFace collection 下载的 FP8 权重文件的绝对路径。
• dit_quant_scheme 为 fp8-vllm。

3) NVFP4 量化模型

修改并运行：

bash scripts/self_forcing/run_wan_t2v_sf_nvfp4.sh

关于 NVFP4 的额外说明：

• 该脚本使用 configs/self_forcing/wan_t2v_sf_nvfp4.json。
• 你需要把该配置文件中的 dit_quantized_ckpt 修改为从 HuggingFace collection 下载的 NVFP4 权重文件的绝对路径。
• dit_quant_scheme 为 nvfp4。