Skip to content

README.it.md

Latest commit

 

History

History
212 lines (147 loc) · 8.08 KB

README.it.md

File metadata and controls

212 lines (147 loc) · 8.08 KB

ComfyUI Rife TensorRT ⚡

python cuda trt by-nc-sa/4.0 english

node

Questo progetto fornisce un'implementazione TensorRT di RIFE per l'interpolazione di frame ultra veloce all'interno di ComfyUI

Questo progetto è licenziato sotto CC BY-NC-SA, tutti sono LIBERI di accedere, usare, modificare e ridistribuire con la stessa licenza.

Se ti piace il progetto, lascia una stella! ⭐

⏱️ Performance

Nota: I seguenti risultati sono stati testati su motori FP16 all'interno di ComfyUI, utilizzando 2000 frame composti da 2 frame alternati simili, mediati 2-3 volte

Dispositivo Motore Rife Risoluzione Moltiplicatore FPS
H100 rife49_ensemble_True_scale_1_sim 512 x 512 2 45
H100 rife49_ensemble_True_scale_1_sim 512 x 512 4 57
H100 rife49_ensemble_True_scale_1_sim 1280 x 1280 2 21

🚀 Installazione

Naviga nella directory /custom_nodes di ComfyUI

cd ComfyUI/custom_nodes
git clone https://github.com/huchukato/ComfyUI-RIFE-TensorRT-Auto.git

🎯 Installazione Completamente Automatica (Raccomandata)

Questo nodo presenta rilevamento automatico CUDA e installazione TensorRT!

Quando ComfyUI carica il nodo per la prima volta, eseguirà:

  1. Rilevamento automatico della versione CUDA (12 o 13)
  2. Installazione automatica dei pacchetti TensorRT appropriati
  3. Configurazione di tutto per un funzionamento senza interruzioni

Nessun passaggio manuale richiesto! Basta clonare la repo e riavviare ComfyUI.

📦 Opzioni di Installazione Manuale

Se preferisci l'installazione manuale o riscontri problemi:

Script di auto-installazione:

# Linux/macOS
./install.sh

# Windows  
install.bat

# Python (cross-platform)
python install.py

File requirements manuali:

# Per CUDA 13 (RTX 50 series)
pip install -r requirements.txt

# Per CUDA 12 (RTX 30/40 series) - METODO LEGACY
pip install -r requirements_cu12.txt

💡 Nota: Il requirements_cu12.txt è fornito come metodo legacy di fallback. L'installazione automatica è fortemente raccomandata in quanto gestisce il rilevamento CUDA e l'installazione dei pacchetti senza problemi.

📦 CUDA Toolkit Richiesto

Il nodo rileva automaticamente la tua installazione CUDA tramite le variabili d'ambiente CUDA_PATH o CUDA_HOME.

Se CUDA non viene rilevato, scarica da: https://developer.nvidia.com/cuda-13-0-2-download-archive

🎯 Limiti di Risoluzione

Importante: Il motore TensorRT supporta diversi range di risoluzione in base al profilo selezionato:

  • profilo small: 384-1080px
  • profilo medium: 672-1312px
  • profilo large: 720-1920px (perfetto per 1440x960 e risoluzioni superiori)

Per immagini più grandi del massimo del profilo selezionato, ridimensionale prima di usare il nodo RIFE o seleziona un profilo superiore.

🎯 Profili di Risoluzione

Il nodo supporta profili di risoluzione per ottimizzare l'uso della VRAM:

  • small: 384-1080px (raccomandato per la maggior parte della generazione video)
  • medium: 672-1312px (per video ad alta risoluzione)
  • large: 720-1920px (per contenuti 4K e ad alta risoluzione)
  • custom: Collega un nodo "RIFE Custom Resolution Config" per controllo manuale

I seguenti modelli RIFE sono supportati e verranno scaricati e compilati automaticamente:

  • rife49_ensemble_True_scale_1_sim (default) - Il più recente e accurato
  • rife48_ensemble_True_scale_1_sim - Buon equilibrio tra velocità e qualità
  • rife47_ensemble_True_scale_1_sim - Opzione più veloce

I modelli vengono scaricati automaticamente da HuggingFace e i motori TensorRT vengono compilati al primo utilizzo.

☀️ Utilizzo

  1. Carica Modello: Inserisci Right Click -> Add Node -> tensorrt -> Load Rife Tensorrt Model

    • Scegli il tuo modello RIFE preferito (rife47, rife48, o rife49)
    • Seleziona la precisione (fp16 raccomandato per velocità, fp32 per massima accuratezza)
    • Seleziona il profilo di risoluzione (small, medium, large, o custom)
    • Il modello verrà scaricato automaticamente e il motore TensorRT compilato al primo utilizzo

  2. Processa Frame: Inserisci Right Click -> Add Node -> tensorrt -> Rife Tensorrt

    • Collega il modello caricato dal passaggio 1
    • Inserisci i tuoi frame video
    • Configura le impostazioni di interpolazione (moltiplicatore, CUDA graph, ecc.)

🔧 Risoluzione Problemi

Errori di Inizializzazione CUDA

Se incontri CUDA initialization failure with error: 35 o errori simili di TensorRT:

  1. Controlla Driver NVIDIA:

    nvidia-smi

    Assicurati che i driver supportino la tua versione CUDA

  2. Riavvia il Sistema: A volte lo stato CUDA si corrompe - un riavvio può risolvere il problema

  3. Verifica Installazione CUDA:

    nvcc --version

    Assicurati che CUDA toolkit sia installato correttamente

  4. Controlla PyTorch CUDA:

    import torch
print(f"CUDA disponibile: {torch.cuda.is_available()}")
print(f"Versione CUDA: {torch.version.cuda}")

  5. Reinstalla TensorRT:

    python install.py

Il nodo ora include diagnostica CUDA automatica che aiuterà a identificare il problema specifico.

Problemi di Memoria

Per motori ad alta risoluzione, assicurati di avere VRAM sufficiente:

  • profilo small: ~2GB VRAM minimo
  • profilo medium: ~4GB VRAM minimo
  • profilo large: ~6GB VRAM minimo

Problemi di Installazione

Se l'installazione automatica fallisce, prova l'installazione manuale:

# CUDA 13
pip install -r requirements.txt

# CUDA 12
pip install -r requirements_cu12.txt

🤖 Ambiente Testato

  • Windows 11, CUDA 13.0, TensorRT 10.15.1.29, Python 3.12, RTX 5090
  • WSL Ubuntu 24.04.03 LTS, CUDA 12.9, TensorRT 10.13.3.9, Python 3.12.11, RTX 5080

🚨 Aggiornamenti

Febbraio 2026

  • Installazione Completamente Automatica: Rilevamento CUDA e installazione TensorRT al caricamento del nodo
  • Correzione Dipendenze: Aggiornato TensorRT a 10.15.1.29 per risolvere conflitti di installazione
  • Supporto RTX 5090: Testato e confermata compatibilità con RTX 5090
  • Documentazione Risoluzione: Aggiunta guida chiara sui limiti di risoluzione e preprocessing
  • Profilo Large: Aggiunto supporto per risoluzioni fino a 1920px

Gennaio 2026

  • CUDA 13 Default: Aggiornato a CUDA 13.0 e TensorRT 10.14.1.48
  • Rilevamento CUDA Automatico: Rileva automaticamente CUDA toolkit e percorsi DLL
  • Profili di Risoluzione: Aggiunti profili small/medium/custom per ridurre l'uso della VRAM

Dicembre 2025

  • Gestione Modelli Automatica: Niente più download manuali! I modelli vengono scaricati automaticamente da HuggingFace e i motori TensorRT vengono compilati su richiesta
  • Workflow Migliorato: Nuovo sistema a due nodi con Load Rife Tensorrt Model + Rife Tensorrt per migliore organizzazione
  • Dipendenze Aggiornate: TensorRT aggiornato a 10.13.3.9 per migliori performance e compatibilità

👏 Crediti

Licenza

Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)

📖 Read this in English