ReCaVSR 一步完成 4 倍视频放大，现已登陆 ComfyUI

该模型每次处理 21 帧、再处理 8 帧，每个块只需一步去噪，并将上一个块的 latent 以及过去 key 和 value 的缓存向前传递。它自带的流式解码器 FlashDecoder 会在每个块处理完成后立即将其转换为帧，因此更长的片段消耗的是时间和磁盘空间，而不是内存。

雨夜街道 4 倍放大，960×480 到 3840×1920，来自项目的演示集。

960×480 到 3840×1920，上方为输入	360×360 到 1440×1440，左侧为输入

速度

两个片段，分别为 149 帧和 180 帧，在 Linux 上通过 ReCaVSR Upscale Video 节点运行，使用 ComfyUI 0.44.0、sage attention 和动态 VRAM：

人像片段，360×360 到 1440×1440，在 4090 上配合 int8 文件可降至 15 秒和 11.6 GB。限制到 12 GB 或 8 GB 显卡时，同一个人像仍能在 23 秒和 27 秒内完成。

int8 文件为 6.27 GB，而 bf16 为 10.6 GB，并且在每一帧上与 bf16 输出的差距维持在约 48 dB。

上方为 bf16，下方为 int8，输出画面的 1:1 裁剪。

运行方式

1. 安装节点：在 ComfyUI Manager 中搜索 ReCaVSR video super-resolution，运行 comfy node install comfyui-recavsr，或将 ComfyUI-ReCaVSR 克隆到 custom_nodes 并安装其依赖项。
2. 将 kopper/ReCaVSR 中的 prompt.safetensors（4.2 MB）和 flashdecoder.safetensors（229 MB）放入 ComfyUI/models/recavsr，然后把 bf16 的 transformer.safetensors 或 int8 ConvRot 文件 添加到同一文件夹。
3. 打开 模板 → ComfyUI-ReCaVSR → recavsr_video_4x，加载片段，加入队列。链路为 加载视频 → ReCaVSR Upscale Video → 保存视频，输出会保留输入的音频和帧率。

值得了解的设置

• 缩放 4 是模型训练时使用的倍数；原始仓库还记录了 2 和 1.5。不是 32 的倍数的尺寸会被填充，然后再裁剪回来。
• 解码器： flashdecoder 是模型自带的，比 Wan 2.2 VAE 快 25 到 40 倍。vae 选项能绘制更精细的纹理，前提是你有时间。
• color_fix： none、adain 或 wavelet，即 StableSR 风格的校正，用于在放大导致颜色偏移时修正。
• kv_offload 在块之间把注意力历史移到 RAM。在 16 GB 显卡上运行 3840×1920 时需要它，而在 1440p 下会损失 7% 到 16% 的速度。
• 没有 Triton 时，两个注意力内核都会回退到 PyTorch，速度会慢很多。Windows 安装通常就属于这种情况。

bf16 路径需要计算能力 7.5 或更高的 NVIDIA GPU 来运行 int8 GEMM；低于该版本时，权重会在加载时反量化。

可用性

• 权重：PedroMarinhoDev/ReCaVSR-ComfyUI 提供 int8 transformer，kopper/ReCaVSR 提供 bf16 transformer、prompt embedding 和 FlashDecoder。
• 节点：PedroMarinhoDev/ComfyUI-ReCaVSR，也可在 Comfy Registry 获取。
• 原始模型与代码：kopperx/ReCaVSR；论文 arXiv 2609.37831。