官方 INT8(无 compile,基线)
速度总览(480p · 93帧/段 · 8步蒸馏)
| 官方 INT8(基线,无 compile) | FP8 weight-only + compile(ComfyUI) | NVFP4 W4A4 + compile(官方 pipeline) | |
|---|---|---|---|
| 去噪每步(稳态) | 13.7 s/step | 9.92 s/step | 7.18 s/step |
| 相对基线加速 | 1.00× | 1.38× | 1.91× |
| 单段总耗时 | ~114 s | ~86–96 s | ~62 s |
| 峰值显存(单段) | 23.0 GiB(长视频 29.3) | ~18.3 GiB | 15.0 GiB |
| 量化方式 | INT8 权重,bf16 计算(每次前向反量化) | FP8 权重(per-tensor scale),bf16 计算 | 权重+激活都是 FP4(block scale),SM120 FP4 张量核计算 |
task01_man男歌手 · man.png + man 人声 · seed 42 · 1 段 3.7s
FP8 weight-only scaled + compile(ComfyUI/Kijai)
NVFP4 W4A4 + compile(官方 pipeline)
A western man stands on stage under dramatic lighting, holding a microphone close to their mouth...
task02_girl女生说话 · girl.png + introduce_woman 人声 · seed 42 · 1 段
官方 INT8(无 compile,基线)
FP8 weight-only scaled + compile(ComfyUI/Kijai)
NVFP4 W4A4 + compile(官方 pipeline)
A young woman with long dark hair is speaking warmly to the camera, natural daylight...
task03_sing双人唱歌 · sing.png + sing_woman 人声 · seed 42 · 1 段
官方 INT8(无 compile,基线)
FP8 weight-only scaled + compile(ComfyUI/Kijai)
NVFP4 W4A4 + compile(官方 pipeline)
A man and a woman stand together on a concert stage with warm lights, the woman is singing...
task04_introduce双人介绍 · introduce.png + introduce_man 人声 · seed 42 · 1 段
官方 INT8(无 compile,基线)
FP8 weight-only scaled + compile(ComfyUI/Kijai)
NVFP4 W4A4 + compile(官方 pipeline)
Two colleagues stand in a bright modern office, the man on the left is speaking...
task05_man_seed7男歌手换种子 · seed 7 · 1 段
官方 INT8(无 compile,基线)
FP8 weight-only scaled + compile(ComfyUI/Kijai)
NVFP4 W4A4 + compile(官方 pipeline)
Same as task01, seed 7.
task06_man_long3长视频续写 · 3 段 253 帧 ≈10.1s · seed 42
官方 INT8(无 compile,基线)
FP8 weight-only scaled + compile(ComfyUI/Kijai)
NVFP4 W4A4 + compile(官方 pipeline)
Same as task01, 3 segments video continuation.
说明
统一输入:同一 832×480 裁剪参考图、同一 Kim_Vocal_2 分离后人声、同一 prompt、同一 seed、480p、93 帧/段、8 步蒸馏(dmd LoRA)。 INT8 与 NVFP4 走官方 pipeline,FP8 走 ComfyUI WanVideoWrapper——实现不同,同 seed 也不会逐像素一致;INT8 与 NVFP4 同 pipeline 同 seed,初始噪声一致,差异基本只来自数值精度。 🔊 默认只放第一路(INT8)的声音,三路音频内容相同。 长视频卡片中 NVFP4 的 seg2 前两步(38s/44s)是新序列形状触发的一次性 dynamo 重编译 + kv-cache 建立;INT8 无 compile 无此开销。 FP8 W8A8「fast matmul」模式在该模型上画质崩坏(wrapper 对激活不做 scale),故 FP8 采用 weight-only。