feat: add Chinese README and requirements file for ComfyUI-Lightx2vWrapper, enhancing documentation and dependency management

README.md

@@ -1,5 +1,9 @@
+[![License](https://img.shields.io/badge/License-MIT-blue.svg)](https://opensource.org/licenses/MIT) [![Python](https://img.shields.io/badge/python-3.8%2B-blue)](https://www.python.org/downloads/) [![ComfyUI](https://img.shields.io/badge/ComfyUI-Custom%20Node-brightgreen)](https://github.com/comfyanonymous/ComfyUI) [![Hugging Face](https://img.shields.io/badge/%F0%9F%A4%97%20Models-lightx2v-yellow)](https://huggingface.co/lightx2v) [![Ask DeepWiki](https://deepwiki.com/badge.svg)](https://deepwiki.com/GacLove/ComfyUI-Lightx2vWrapper)
+
 # ComfyUI-Lightx2vWrapper
 
+[中文版](./README_CN.md) | English
+
 A ComfyUI custom node wrapper for LightX2V, enabling modular video generation with advanced optimization features.
 
 ## Features

README_CN.md

@@ -0,0 +1,174 @@
+[![License](https://img.shields.io/badge/License-MIT-blue.svg)](https://opensource.org/licenses/MIT) [![Python](https://img.shields.io/badge/python-3.8%2B-blue)](https://www.python.org/downloads/) [![ComfyUI](https://img.shields.io/badge/ComfyUI-自定义节点-brightgreen)](https://github.com/comfyanonymous/ComfyUI) [![Hugging Face](https://img.shields.io/badge/%F0%9F%A4%97%20模型-lightx2v-yellow)](https://huggingface.co/lightx2v) [![Ask DeepWiki](https://deepwiki.com/badge.svg)](https://deepwiki.com/GacLove/ComfyUI-Lightx2vWrapper)
+
+# ComfyUI-Lightx2vWrapper
+
+[English](./README.md) | 中文版
+
+LightX2V 的 ComfyUI 自定义节点封装，通过模块化配置实现视频生成和高级优化功能。
+
+## 功能特性
+
+- **模块化配置系统**：为视频生成的各个方面提供独立的配置节点
+- **文本生成视频（T2V）和图像生成视频（I2V）**：支持两种生成模式
+- **高级优化功能**：
+  - TeaCache 加速（最高可达 3 倍速度提升）
+  - 量化支持（int8、fp8）
+  - 内存优化与 CPU 卸载
+  - 轻量级 VAE 选项
+- **LoRA 支持**：可串联多个 LoRA 模型进行自定义
+- **多模型支持**：wan2.1、hunyuan 架构
+
+## 安装说明
+
+1. 将此仓库克隆到 ComfyUI 的 `custom_nodes` 目录，包含子模块：
+
+```bash
+cd ComfyUI/custom_nodes
+git clone --recursive https://github.com/gaclove/ComfyUI-Lightx2vWrapper.git
+```
+
+如果已经克隆但未包含子模块，请初始化子模块：
+
+```bash
+cd ComfyUI-Lightx2vWrapper
+git submodule update --init --recursive
+```
+
+2. 安装依赖：
+
+```bash
+cd ComfyUI-Lightx2vWrapper
+# 安装 lightx2v 子模块依赖
+pip install -r lightx2v/requirements.txt
+# 安装 ComfyUI 封装器依赖
+pip install -r requirements.txt
+```
+
+3. 下载模型并放置在 `ComfyUI/models/lightx2v/` 目录
+
+## 节点概览
+
+### 配置节点
+
+#### 1. LightX2V Inference Config（推理配置）
+
+视频生成的基础推理配置。
+
+- **输入**：model（模型）、task_type（任务类型）、inference_steps（推理步数）、seed（种子）、cfg_scale（CFG 缩放）、width（宽度）、height（高度）、video_length（视频长度）、fps（帧率）
+- **输出**：基础配置对象
+
+#### 2. LightX2V TeaCache（TeaCache 配置）
+
+特征缓存加速配置。
+
+- **输入**：enable（启用）、threshold（阈值 0.0-1.0）、use_ret_steps（使用返回步数）
+- **输出**：TeaCache 配置
+- **注意**：阈值越低 = 速度提升越大（0.1 约 2 倍，0.2 约 3 倍）
+
+#### 3. LightX2V Quantization（量化配置）
+
+模型量化设置，提升内存效率。
+
+- **输入**：dit_precision（DIT 精度）、t5_precision（T5 精度）、clip_precision（CLIP 精度）、backend（后端）、sensitive_layers_precision（敏感层精度）
+- **输出**：量化配置
+- **后端**：自动检测（vllm、sgl、q8f）
+
+#### 4. LightX2V Memory Optimization（内存优化）
+
+内存管理策略。
+
+- **输入**：optimization_level（优化级别）、attention_type（注意力类型）、enable_rotary_chunking（启用旋转分块）、cpu_offload（CPU 卸载）、unload_after_generate（生成后卸载）
+- **输出**：内存优化配置
+
+#### 5. LightX2V Lightweight VAE（轻量级 VAE）
+
+VAE 优化选项。
+
+- **输入**：use_tiny_vae（使用微型 VAE）、use_tiling_vae（使用平铺 VAE）
+- **输出**：VAE 配置
+
+#### 6. LightX2V LoRA Loader（LoRA 加载器）
+
+加载并串联 LoRA 模型。
+
+- **输入**：lora_name（LoRA 名称）、strength（强度 0.0-2.0）、lora_chain（LoRA 链，可选）
+- **输出**：LoRA 链配置
+
+### 组合节点
+
+#### 7. LightX2V Config Combiner（配置组合器）
+
+将所有配置模块组合成单一配置。
+
+- **输入**：所有配置类型（可选）
+- **输出**：组合后的配置对象
+
+### 推理节点
+
+#### 8. LightX2V Modular Inference（模块化推理）
+
+视频生成的主推理节点。
+
+- **输入**：combined_config（组合配置）、prompt（提示词）、negative_prompt（负面提示词）、image（图像，可选）、audio（音频，可选）
+- **输出**：生成的视频帧
+
+## 使用示例
+
+### 基础 T2V 工作流
+
+1. 创建 LightX2V Inference Config（task_type: "t2v"）
+2. 使用 LightX2V Config Combiner
+3. 连接到 LightX2V Modular Inference，输入文本提示词
+4. 保存视频输出
+
+### 带优化的 I2V
+
+1. 加载输入图像
+2. 创建 LightX2V Inference Config（task_type: "i2v"）
+3. 添加 LightX2V TeaCache（threshold: 0.26）
+4. 添加 LightX2V Memory Optimization
+5. 使用 LightX2V Config Combiner 组合配置
+6. 运行 LightX2V Modular Inference
+
+### 使用 LoRA
+
+1. 创建基础配置
+2. 使用 LightX2V LoRA Loader 加载 LoRA
+3. 如需要可串联多个 LoRA
+4. 组合所有配置
+5. 运行推理
+
+## 模型目录结构
+
+从以下地址下载模型：<https://huggingface.co/lightx2v>
+
+模型应放置在：
+
+```txt
+ComfyUI/models/lightx2v/
+├── Wan2.1-I2V-14B-720P-xxx/     # 主模型检查点
+├── Wan2.1-I2V-14B-480P-xxx/     # 主模型检查点
+├── loras/          # LoRA 模型
+```
+
+## 使用技巧
+
+- 从默认设置开始，根据硬件情况调整
+- 使用 TeaCache，阈值设为 0.1-0.2 可显著提速
+- 在显存有限时启用内存优化
+- 量化可减少内存使用但可能影响质量
+- 串联多个 LoRA 实现复杂风格组合
+
+## 故障排除
+
+- **内存不足**：启用内存优化或使用量化
+- **生成速度慢**：启用 TeaCache 或减少推理步数
+- **找不到模型**：检查 `ComfyUI/models/lightx2v/` 中的模型路径
+
+## 示例工作流
+
+`examples/` 目录中提供了示例工作流 JSON 文件：
+
+- `wan_i2v.json` - 基础图像生成视频
+- `wan_i2v_with_distill_lora.json` - 带蒸馏 LoRA 的 I2V
+- `wan_t2v_with_distill_lora.json` - 带蒸馏 LoRA 的 T2V

requirements.txt

@@ -0,0 +1,31 @@
+# ComfyUI-Lightx2vWrapper dependencies
+# Note: lightx2v is included as a git submodule
+# Install lightx2v dependencies separately with: pip install -r lightx2v/requirements.txt
+
+# Core dependencies for the wrapper
+easydict  # For configuration management
+scipy  # For audio processing (optional)
+
+# The following dependencies should be installed via lightx2v/requirements.txt:
+# - torch>=2.0.0
+# - torchvision
+# - numpy
+# - Pillow (PIL)
+# - opencv-python
+# - imageio, imageio-ffmpeg
+# - diffusers>=0.28.0
+# - transformers>=4.40.0
+# - tokenizers>=0.15.0
+# - accelerate>=0.27.0
+# - safetensors>=0.4.0
+# - einops
+# - loguru
+# - ftfy
+
+# Optional dependencies (uncomment as needed):
+# vllm  # For vllm quantization backend
+# sgl-kernel  # For sgl quantization backend
+# qtorch  # For quantization operations
+# flash-attn>=2.0.0  # For flash attention
+# sage-attention  # For sage attention
+# xformers  # For memory efficient attention