ComfyUI_FlashVSR

FlashVSR: Towards Real-Time Diffusion-Based Streaming Video Super-Resolution,this node ,you can use it in comfyUI

Upadte

• 新增切片视频路径加载节点，输入保存切片视频的路径，开启自动推理，即可推理完路径所有视频；
• 修复输入图像归一化处理错误导致无法复现官方的问题，分离decoder，新增关键点模型卸载和OOM处理，包括处理超长视频向量的OOM，同步官方local range的修改，新增小波模式下的加减帧处理（项目一作大佬提的）；
• local_range=7这个是会最清晰，local_range=11会比较稳定，color fix 推荐用小波（没重影）；
• 编译Block-Sparse-Attention window的轮子 可以使用 smthemex 强制编译版 或者 lihaoyun6 要联网 两个fork来，不推荐用官方的
• Block-Sparse-Attention 正确安装且能调用才是方法的完全体，当前的函数实现会更容易OOM,但是Block-Sparse-Attention轮子实在不好找，目前只有CU128 toch2.7的，我提供的（cu128，torch2.8，py311单体）或者自己编译
• 方法是基于现有prompt.pt训练的，所以外置cond没有必要已经去掉，新增tile 和 color fix 选项，tile关闭质量更高，需要VRam更高，corlor fix对于非模糊图片可以试试。修复图片索引数不足的错误。
• Choice vae infer full mode ，encoder infer tiny mode 选择vae跑full模式 效果最好，tiny则是速度，数据集基于4倍训练，所以1 scale是不推荐的；
• 如果觉得项目有用，请给官方项目FlashVSR 打星； if you Like it ， star the official project link

1.Installation

In the ./ComfyUI/custom_nodes directory, run the following:

git clone https://github.com/smthemex/ComfyUI_FlashVSR

2.requirements

pip install -r requirements.txt

要复现官方效果，必须安装Block-Sparse-Attention torch2.8 cu2.8 py311 wheel or CU128 toch2.7

git clone https://github.com/mit-han-lab/Block-Sparse-Attention 
# git clone https://github.com/smthemex/Block-Sparse-Attention # 无须梯子强制编译
# git clone https://github.com/lihaoyun6/Block-Sparse-Attention # 须梯子
cd Block-Sparse-Attention
pip install packaging
pip install ninja
python setup.py install

3.checkpoints

• 3.1 FlashVSR all checkpoints 所有模型，vae 用常规的wan2.1
• 3.2 emb posi_prompt.pth 4M而已

├── ComfyUI/models/FlashVSR
|     ├── LQ_proj_in.ckpt
|     ├── TCDecoder.ckpt
|     ├── diffusion_pytorch_model_streaming_dmd.safetensors
|     ├── posi_prompt.pth
├── ComfyUI/models/vae
|        ├──Wan2.1_VAE.pth

Example

• full old node
• tiny new
• video files loop

Acknowledgements

DiffSynth Studio
Block-Sparse-Attention
taehv

Citation

@misc{zhuang2025flashvsrrealtimediffusionbasedstreaming,
      title={FlashVSR: Towards Real-Time Diffusion-Based Streaming Video Super-Resolution}, 
      author={Junhao Zhuang and Shi Guo and Xin Cai and Xiaohui Li and Yihao Liu and Chun Yuan and Tianfan Xue},
      year={2025},
      eprint={2510.12747},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2510.12747}, 
}

``

``