ReCaVSR: ampliación de vídeo 4x en un paso, ahora en ComfyUI

El modelo amplía un clip de 21 en 21 fotogramas y luego de 8 en 8, con un paso de denoising por bloque, arrastrando los latents del bloque anterior y una caché de claves y valores pasados. Su propio decodificador en streaming, FlashDecoder, convierte cada bloque en fotogramas en cuanto termina, así que un clip más largo cuesta tiempo y disco en lugar de memoria.

Una calle lluviosa a 4x, de 960×480 a 3840×1920, del conjunto de demos del proyecto.

960×480 a 3840×1920, entrada arriba	360×360 a 1440×1440, entrada a la izquierda

Velocidad

Dos clips, de 149 y 180 fotogramas, a través del nodo ReCaVSR Upscale Video en Linux con ComfyUI 0.44.0, sage attention y VRAM dinámica:

El retrato, de 360×360 a 1440×1440, baja a 15 s en una 4090 y 11.6 GB con el archivo int8. Limitado a una tarjeta de 12 GB u 8 GB, ese mismo retrato sigue terminando en 23 s y 27 s.

El archivo int8 ocupa 6.27 GB frente a los 10.6 GB del bf16, y se mantiene a unos 48 dB de la salida bf16 en todos los fotogramas.

bf16 arriba, int8 abajo, recortes 1:1 de la salida.

Cómo ejecutarlo

1. Instala los nodos: busca ReCaVSR video super-resolution en ComfyUI Manager, ejecuta comfy node install comfyui-recavsr, o clona ComfyUI-ReCaVSR en custom_nodes e instala sus requisitos.
2. Coloca prompt.safetensors (4.2 MB) y flashdecoder.safetensors (229 MB) de kopper/ReCaVSR en ComfyUI/models/recavsr, y luego añade a esa misma carpeta el transformer.safetensors bf16 o el archivo ConvRot int8.
3. Abre Plantillas → ComfyUI-ReCaVSR → recavsr_video_4x, carga un clip y envía a la cola. La cadena es Cargar video → ReCaVSR Upscale Video → Guardar video, y la salida conserva el audio y la frecuencia de cuadros de la entrada.

Configuraciones que conviene conocer

• Scale 4 es para lo que se entrenó el modelo; el repositorio original documenta 2 y 1.5. Los tamaños que no son múltiplo de 32 se rellenan y se recortan de vuelta.
• Decoder: flashdecoder es el propio del modelo y se ejecuta entre 25 y 40 veces más rápido que el VAE de Wan 2.2. La opción vae genera una textura más fina si tienes tiempo.
• color_fix: none, adain o wavelet, las correcciones al estilo StableSR, por si la ampliación desplaza el color.
• kv_offload mueve el historial de atención a la RAM entre bloques. Lo necesitas para 3840×1920 en una tarjeta de 16 GB, y cuesta entre un 7 y un 16 % de velocidad a 1440p.
• Sin Triton, ambos kernels de atención recurren a PyTorch y se vuelven mucho más lentos. Las instalaciones en Windows suelen acabar aquí.

La ruta bf16 necesita una GPU NVIDIA con compute capability 7.5 o superior para el GEMM int8; por debajo de eso, los pesos se desquantizan al cargar.

Disponibilidad

• Pesos: PedroMarinhoDev/ReCaVSR-ComfyUI para el transformer int8, kopper/ReCaVSR para el transformer bf16, el embedding de prompt y FlashDecoder.
• Nodos: PedroMarinhoDev/ComfyUI-ReCaVSR, también en el Comfy Registry.
• Modelo y código originales: kopperx/ReCaVSR; artículo arXiv 2609.37831.