Ref2VA Cast-Swap 人物替换 — bf16 GT vs 量化版对比

输入 = 原视频 + 角色图。124 帧 @24fps · 480×832。从左到右:模型输入 · bf16 ground truth(外部 B200 机器,50 步)· 本机 混合精度(FP8+NVFP4)+FirstBlockCache 20 步 · 50 步(逐步补充中)。同 seed=42。加速详情见 cache 对比页。
输入bf16 GT (50步)混合精度+FBC (20步)混合精度+FBC (50步)
配置(混合精度+FBC)采样有效每步端到端/条FBC 跳步显存峰值
20 步57s2.85s~86s11/20采样期 ~27GB · 全程峰值 ~28GB / 32.6GB(RTX 5090)
50 步134s2.70s~162s29/50
权重 18.3G(首2尾3 block bf16 · 中间45 block attn=FP8 / mlp=NVFP4)· sage 2.2.0 + comfy-kitchen triton 后端 · FirstBlockCache "H3 Fast" 档(阈值0.10,连跳≤2)· 480×832×124帧 · 端到端含模型重载(--cache-none),批量驻留模式可再省 ~29s/条。

9202c3df

原视频:西装白衬衫条纹领带的男人,双臂张开 → 替换为:带巨角、黑毛披风、部落纹身的魁梧角色
角色图
角色图(管线输入)
编辑后首帧
编辑后首帧 ref.png(模型输入)
原视频(输入)
bf16 GT · 50步 · 外部机器
混合精度+FBC · 20步
混合精度+FBC · 50步

922a1d0d

原视频:脏辫、黑卫衣黑运动裤的人 → 替换为:灰发老年男性,深色西装浅蓝条纹衬衫
角色图
角色图(管线输入)
编辑后首帧
编辑后首帧 ref.png(模型输入)
原视频(输入)
bf16 GT · 50步 · 外部机器
混合精度+FBC · 20步
混合精度+FBC · 50步

924a8b3e

原视频:黑色长袖+紧身裤、头戴墨镜的人在跳舞 → 替换为:青绿头发女仆装卡通女孩
角色图
角色图(管线输入)
编辑后首帧
编辑后首帧 ref.png(模型输入)
原视频(输入)
bf16 GT · 50步 · 外部机器
混合精度+FBC · 20步
混合精度+FBC · 50步

924ba55d

原视频:深色卷发少年跪坐在地板上 → 替换为:金发扎发女性,黑西装外套+米色毛衣+牛仔裤
角色图
角色图(管线输入)
编辑后首帧
编辑后首帧 ref.png(模型输入)
原视频(输入)
bf16 GT · 50步 · 外部机器
混合精度+FBC · 20步
混合精度+FBC · 50步

9267a48f

原视频:黑裙黑皮帽的女人在滑冰 → 替换为:深蓝三角标志 T 恤+牛仔裤的男人
角色图
角色图(管线输入)
编辑后首帧
编辑后首帧 ref.png(模型输入)
原视频(输入)
bf16 GT · 50步 · 外部机器
混合精度+FBC · 20步
混合精度+FBC · 50步

927da5ae

原视频:粉白水手服短裙的人在奔跑 → 替换为:黑卫衣+卡其工装裤+黄 B 字棒球帽墨镜青年
角色图
角色图(管线输入)
编辑后首帧
编辑后首帧 ref.png(模型输入)
原视频(输入)
bf16 GT · 50步 · 外部机器
混合精度+FBC · 20步
混合精度+FBC · 50步

928dc4f4

原视频:红黑 V 领上衣的年轻人 → 替换为:深肤色黑卷发动漫角色,黑卫衣红黑球鞋
角色图
角色图(管线输入)
编辑后首帧
编辑后首帧 ref.png(模型输入)
原视频(输入)
bf16 GT · 50步 · 外部机器
混合精度+FBC · 20步
混合精度+FBC · 50步

92918b75

原视频:西装男在户外跳舞 → 替换为:黑白哥特裙配红玫瑰的黑长发动漫少女
角色图
角色图(管线输入)
编辑后首帧
编辑后首帧 ref.png(模型输入)
原视频(输入)
bf16 GT · 50步 · 外部机器
混合精度+FBC · 20步
混合精度+FBC · 50步