分段画面与原生声音

ReferenceAVRuntime在完整96 GiB SM120显卡上持有原始FL参考模型。默认前4步使用Larry v4 EMA，后6步使用原始模型；随后在保持完整视频潜变量的条件下，以Larry执行12步H3原生声音生成。声音阶段保留原画面，使用H3自身的音频模型。

视觉默认Veda：44层稀疏、首尾各3层SageAttention2密集计算，INT8 QK／FP8 PV。完整Sage是另一项显式配置，不会自动回退。回执核验实际440次稀疏与60次密集块调用。声音保留实时文本／音频行，复用视频KV。

首批范围是5秒I2VA：一张已按比例处理至目标画布的首图，宽高32对齐、至多2×1024²像素、最长边2048。实际模型124帧，交付24fps／120帧；应用可将1920×1088模型画布裁切至1920×1080。其他模式、时长、小显存卡和人脸修复继续使用各自明确配置的流水线。

声音条件保留全部时间位置和完整首帧；不超过1376×768时空间步幅为2，更大画布为4。这属于近似声音条件处理，完整画面保持。小画布的视频解码与声音采样重叠，大画布顺序解码以保留显存。同时采用QKV融合、严格BF16执行、单次提示编码和最终编码。请求结束或异常后恢复钩子、调度器和LoRA状态。

调用方显式提供固定版本资产和文本权重加载器，启用trust_local_code=True：原始FL行FP8基础矩阵、原始十／十二步时间调制表、视频／音频shift12／3、Larry v4 EMA、官方解码器和Veda预测器。基础矩阵不合并其他加速LoRA。每次模型调用核对实际时间网格，时间嵌入保留原始FP32 SiLU精度。

上游来源：Larry固定版本和VideoX-Fun固定版本。 Larry十二步声音是下游验证的运行点；作者推荐四至八步。资产分发、许可、准入和结果发布由调用方负责， Vflash不携带私有资产或应用状态。完整资产合同见英文页。

runtime.generate(VideoRequest(...), output_directory)返回MP4、原生潜变量、各阶段步数／CUDA耗时、注意力覆盖、条件复用、媒体阶段、解码窗口显存峰值和完整调用耗时。加载、采购、上传与浏览器可播放时间另计。原H3Pipeline保持既有合同。运动模糊、远景人脸和时序身份仍需按实际创作要求审看。

Python集成

从0.22.0发行包安装 pipeline extra，并安装本运行时对应的固定Veda／Sage依赖。下例是显式资产集成函数，不自动下载资产，也不是CLI profile。本例首图必须预先处理为1024×1024，每次输出目录必须尚不存在。

python

from pathlib import Path
from vflash.pipeline import VideoRequest
from vflash.pipeline.reference_av_runtime import ReferenceAVRuntime


def generate_clip(*, cache_root, source_root, tables, adapter, decoder_directory,
                  predictor, text_loader, first_frame, prompt, output_directory):
    runtime = ReferenceAVRuntime(
        cache_root=Path(cache_root), source_root=Path(source_root),
        tables=Path(tables), adapter=Path(adapter),
        decoder_directory=Path(decoder_directory), predictor=Path(predictor),
        text_loader=text_loader, trust_local_code=True,
    )
    try:
        request = VideoRequest(
            prompt=prompt, first_frame=Path(first_frame), width=1024, height=1024,
            duration_seconds=5, seed=42, audio_delivery_profile="web-v1",
        )
        return runtime.generate(request, Path(output_directory))
    finally:
        runtime.close()

text_loader是无参数回调，返回已加载的Qwen3-VL文本编码器，并负责其量化布局与来源。可复用 vflash.native.h3_fp8_text.load_row_fp8_text_encoder，显式提供 RowFP8TextShard、匹配的 RowFP8Execution 和原始未量化分片。原始FL缓存不能替换为已合并LightX的主干。

运行时不实现上下文管理器，必须在 finally 中调用 close()，同一实例串行服务。 result["path"]为MP4，输出目录保留 visual.safetensors 与 native.safetensors。 seconds不含构造加载和应用交付；peak_cuda_bytes在媒体解码器重置峰值后读取， 不是整次请求显存峰值，部署容量应另测完整窗口。默认调用执行22次评估。

分段画面与原生声音 ​

Python集成 ​

分段画面与原生声音

Python集成