Auto TensorRT RIFE Banner # ComfyUI Rife TensorRT ⚡ [![python](https://img.shields.io/badge/python-3.12-green)](https://www.python.org/downloads/) [![cuda](https://img.shields.io/badge/cuda-13.0-green)](https://developer.nvidia.com/cuda-13-0-2-download-archive) [![trt](https://img.shields.io/badge/TRT-10.15.1.29-green)](https://developer.nvidia.com/tensorrt) [![by-nc-sa/4.0](https://img.shields.io/badge/license-CC--BY--NC--SA--4.0-lightgrey)](https://creativecommons.org/licenses/by-nc-sa/4.0/deed.en) [![english](https://img.shields.io/badge/lang-🇬🇧%20english-blue)](README.md) ![node](https://github.com/user-attachments/assets/5fd6d529-300c-42a5-b9cf-46e031f0bcb5)
Questo progetto fornisce un'implementazione [TensorRT](https://github.com/NVIDIA/TensorRT) di [RIFE](https://github.com/hzwer/ECCV2022-RIFE) per l'interpolazione di frame ultra veloce all'interno di ComfyUI Questo progetto è licenziato sotto [CC BY-NC-SA](https://creativecommons.org/licenses/by-nc-sa/4.0/), tutti sono LIBERI di accedere, usare, modificare e ridistribuire con la stessa licenza. Se ti piace il progetto, lascia una stella! ⭐ --- ## ⏱️ Performance _Nota: I seguenti risultati sono stati testati su motori FP16 all'interno di ComfyUI, utilizzando 2000 frame composti da 2 frame alternati simili, mediati 2-3 volte_ | Dispositivo | Motore Rife | Risoluzione| Moltiplicatore | FPS | | :----: | :-: | :-: | :-: | :-: | | H100 | rife49_ensemble_True_scale_1_sim | 512 x 512 | 2 | 45 | | H100 | rife49_ensemble_True_scale_1_sim | 512 x 512 | 4 | 57 | | H100 | rife49_ensemble_True_scale_1_sim | 1280 x 1280 | 2 | 21 | ## 🚀 Installazione Naviga nella directory `/custom_nodes` di ComfyUI ```bash cd ComfyUI/custom_nodes git clone https://github.com/huchukato/ComfyUI-RIFE-TensorRT-Auto.git ``` ### 🎯 Installazione Completamente Automatica (Raccomandata) **Questo nodo presenta rilevamento automatico CUDA e installazione TensorRT!** Quando ComfyUI carica il nodo per la prima volta, eseguirà: 1. **Rilevamento automatico della versione CUDA** (12 o 13) 2. **Installazione automatica dei pacchetti TensorRT appropriati** 3. **Configurazione di tutto** per un funzionamento senza interruzioni **Nessun passaggio manuale richiesto!** Basta clonare la repo e riavviare ComfyUI. ### 📦 Opzioni di Installazione Manuale Se preferisci l'installazione manuale o riscontri problemi: **Script di auto-installazione:** ```bash # Linux/macOS ./install.sh # Windows install.bat # Python (cross-platform) python install.py ``` **File requirements manuali:** ```bash # Per CUDA 13 (RTX 50 series) pip install -r requirements.txt # Per CUDA 12 (RTX 30/40 series) - METODO LEGACY pip install -r requirements_cu12.txt ``` > **💡 Nota:** Il `requirements_cu12.txt` è fornito come metodo legacy di fallback. L'installazione automatica è fortemente raccomandata in quanto gestisce il rilevamento CUDA e l'installazione dei pacchetti senza problemi. ### 📦 CUDA Toolkit Richiesto Il nodo rileva automaticamente la tua installazione CUDA tramite le variabili d'ambiente `CUDA_PATH` o `CUDA_HOME`. Se CUDA non viene rilevato, scarica da: https://developer.nvidia.com/cuda-13-0-2-download-archive ### 🎯 Limiti di Risoluzione **Importante**: Il motore TensorRT supporta diversi range di risoluzione in base al profilo selezionato: - **profilo small**: 384-1080px - **profilo medium**: 672-1312px - **profilo large**: 720-1920px (perfetto per 1440x960 e risoluzioni superiori) Per immagini più grandi del massimo del profilo selezionato, ridimensionale prima di usare il nodo RIFE o seleziona un profilo superiore. ### 🎯 Profili di Risoluzione Il nodo supporta profili di risoluzione per ottimizzare l'uso della VRAM: - **small**: 384-1080px (raccomandato per la maggior parte della generazione video) - **medium**: 672-1312px (per video ad alta risoluzione) - **large**: 720-1920px (per contenuti 4K e ad alta risoluzione) - **custom**: Collega un nodo "RIFE Custom Resolution Config" per controllo manuale I seguenti modelli RIFE sono supportati e verranno scaricati e compilati automaticamente: - **rife49_ensemble_True_scale_1_sim** (default) - Il più recente e accurato - **rife48_ensemble_True_scale_1_sim** - Buon equilibrio tra velocità e qualità - **rife47_ensemble_True_scale_1_sim** - Opzione più veloce I modelli vengono scaricati automaticamente da [HuggingFace](https://huggingface.co/yuvraj108c/rife-onnx) e i motori TensorRT vengono compilati al primo utilizzo. ## ☀️ Utilizzo 1. **Carica Modello**: Inserisci `Right Click -> Add Node -> tensorrt -> Load Rife Tensorrt Model` - Scegli il tuo modello RIFE preferito (rife47, rife48, o rife49) - Seleziona la precisione (fp16 raccomandato per velocità, fp32 per massima accuratezza) - Seleziona il profilo di risoluzione (small, medium, large, o custom) - Il modello verrà scaricato automaticamente e il motore TensorRT compilato al primo utilizzo 2. **Processa Frame**: Inserisci `Right Click -> Add Node -> tensorrt -> Rife Tensorrt` - Collega il modello caricato dal passaggio 1 - Inserisci i tuoi frame video - Configura le impostazioni di interpolazione (moltiplicatore, CUDA graph, ecc.) ## 🔧 Risoluzione Problemi ### Errori di Inizializzazione CUDA Se incontri `CUDA initialization failure with error: 35` o errori simili di TensorRT: 1. **Controlla Driver NVIDIA:** ```bash nvidia-smi ``` Assicurati che i driver supportino la tua versione CUDA 2. **Riavvia il Sistema:** A volte lo stato CUDA si corrompe - un riavvio può risolvere il problema 3. **Verifica Installazione CUDA:** ```bash nvcc --version ``` Assicurati che CUDA toolkit sia installato correttamente 4. **Controlla PyTorch CUDA:** ```python import torch print(f"CUDA disponibile: {torch.cuda.is_available()}") print(f"Versione CUDA: {torch.version.cuda}") ``` 5. **Reinstalla TensorRT:** ```bash python install.py ``` Il nodo ora include diagnostica CUDA automatica che aiuterà a identificare il problema specifico. ### Problemi di Memoria Per motori ad alta risoluzione, assicurati di avere VRAM sufficiente: - **profilo small**: ~2GB VRAM minimo - **profilo medium**: ~4GB VRAM minimo - **profilo large**: ~6GB VRAM minimo ### Problemi di Installazione Se l'installazione automatica fallisce, prova l'installazione manuale: ```bash # CUDA 13 pip install -r requirements.txt # CUDA 12 pip install -r requirements_cu12.txt ``` ## 🤖 Ambiente Testato - Windows 11, CUDA 13.0, TensorRT 10.15.1.29, Python 3.12, RTX 5090 - WSL Ubuntu 24.04.03 LTS, CUDA 12.9, TensorRT 10.13.3.9, Python 3.12.11, RTX 5080 ## 🚨 Aggiornamenti ### Febbraio 2026 - **Installazione Completamente Automatica**: Rilevamento CUDA e installazione TensorRT al caricamento del nodo - **Correzione Dipendenze**: Aggiornato TensorRT a 10.15.1.29 per risolvere conflitti di installazione - **Supporto RTX 5090**: Testato e confermata compatibilità con RTX 5090 - **Documentazione Risoluzione**: Aggiunta guida chiara sui limiti di risoluzione e preprocessing - **Profilo Large**: Aggiunto supporto per risoluzioni fino a 1920px ### Gennaio 2026 - **CUDA 13 Default**: Aggiornato a CUDA 13.0 e TensorRT 10.14.1.48 - **Rilevamento CUDA Automatico**: Rileva automaticamente CUDA toolkit e percorsi DLL - **Profili di Risoluzione**: Aggiunti profili small/medium/custom per ridurre l'uso della VRAM ### Dicembre 2025 - **Gestione Modelli Automatica**: Niente più download manuali! I modelli vengono scaricati automaticamente da HuggingFace e i motori TensorRT vengono compilati su richiesta - **Workflow Migliorato**: Nuovo sistema a due nodi con `Load Rife Tensorrt Model` + `Rife Tensorrt` per migliore organizzazione - **Dipendenze Aggiornate**: TensorRT aggiornato a 10.13.3.9 per migliori performance e compatibilità ## 👏 Crediti - https://github.com/styler00dollar/VSGAN-tensorrt-docker - https://github.com/Fannovel16/ComfyUI-Frame-Interpolation - https://github.com/hzwer/ECCV2022-RIFE ## Licenza [Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)](https://creativecommons.org/licenses/by-nc-sa/4.0/) --- [📖 Read this in English](README.md)