RelayVSR — видеоапскейлер, который можно поставить как обычные ноды ComfyUI. С 5 ноября он в ядре, а японский автор на RTX 3070 8 ГБ поднял 10-секундный ролик с 720p до 1440p: все 240 кадров, звук на месте, пиковые 7,32 ГБ VRAM. Сам я эту связку на своей карте не гонял, поэтому ниже пересказываю японские тесты и то, что из них следует.

Источник: freakyjolly.com

Что написано в японском разборе

Автор проверил модель в двух режимах. Первый — восстановление: 720p ужали до 360p, апскейлнули обратно до 720p и сравнили с оригиналом. Второй — собственно апскейл 720p → 1440p. Главный вывод он формулирует так:

«Для улучшения сгенерированных видео эффект был явным. Но если мерить близость к оригиналу, в ряде случаев простое увеличение выигрывает. Модель не универсальна.» (японский разбор, тест на RTX 3070 8 ГБ, перевод наш)

Почему так, он объясняет просто: генеративные апскейлеры не вытаскивают детали из пикселей, а дорисовывают их правдоподобно. Резкость растёт, а совпадение пиксель в пиксель падает. Для генерации это скорее плюс: у сгенерированного видео «правдоподобные» детали уже есть, и модель их не ломает, а дотягивает.

Почему на генерациях это работает

Модель не гоняет тяжёлую диффузию по каждому кадру. По разбору FreakyJolly, большая часть работы идёт на каждом 15-м кадре, а лёгкий декодер достраивает кадры между ними. Отсюда и скорость: по данным LightX2V на H100, X2 отрабатывал 10-секундный клип примерно за 5 секунд.

На своём тесте японский автор увидел то же самое глазами. Лампа, шестерёнки, волосы: контуры стали чётче, цвет слегка собрался. Мелкие метки на циферблате при этом всё же перерисовались. Для задачи «выглядит нормально, когда показываешь крупно» он счёл это приемлемым.

Цифры про 8 ГБ и 10 секунд

СценарийВход → выходПик VRAM, ГБ
Восстановление, 5 с360p → 720pнет данных
Апскейл, 5 с (120 кадров)720p → 1440p7,36
Апскейл, 10 с (240 кадров)720p → 1440p7,32
  • Пиковая память почти не зависит от длины: 7,36 ГБ на 5 секунд и 7,32 ГБ на 10. Автор связывает это с обработкой чанками: память растёт от разрешения, а не от количества кадров.
  • Звук из исходника проходит в готовый файл без изменений.
  • Вход 1440p (апскейл до 4K-класса) японский автор не проверял.
  • Если не хватает памяти, официальный шаблон советует резать вход на части и обрабатывать по очереди.

Где подвох

  • Оригинал модель не восстанавливает. На одном кадре (2,5 с) в сравнении с четырьмя статичными методами: Lanczos 29,29 дБ, RealESRGAN 27,66 дБ, RelayVSR 25,35 дБ. Чем выше дБ, тем ближе к оригиналу. Для реставрации берите Lanczos или RealESRGAN.
  • Цифры по памяти расходятся. На RTX 4090 другие японские тесты показывают 10,4 ГБ (AriaVisuals, 90 кадров 768×448 в 2x) и 13 ГБ (混合順, выход 1472×2560). Настройки и разрешения разные, поэтому сравнивать напрямую нельзя. Но 7,32 ГБ — цифра одного теста, проверяйте у себя.
  • На кожу модель может давить сильно. Пользователь q5sys написал в GitHub issue #4: «для некоторых видео она пересвечивает резкость, и на некоторых людях кожа выглядит нечеловечески». Автор модели kopper ответил, что в интеграции Comfy-Org есть ползунок detail, и посоветовал стартовать с 0,5–0,8.
  • Веса x2 и x4 нельзя смешивать: пара должна быть одного масштаба.
  • Лицензия. ArtRealm пишет, что веса RelayVSR распространяются под Apache-2.0. Но если в пайплайне стоит 4x-UltraSharp, у него CC BY-NC-SA, то есть некоммерческая лицензия. Это отдельная история, и в японском гайде по видео её прямо отдельно разбирают.

Цен в иенах нет

Ценника у RelayVSR нет: веса открытые, ноды в ядре. Платите за железо, электричество и время. Ориентир дают японские замеры на RTX 4090 (混合順): 2x — 35 секунд и 13 ГБ, 4x — 115 секунд и 22 ГБ. Но там выходы 1472×2560 и 2944×5120, так что это не прямое сравнение с нашим тестом.

Что это меняет для креатора

Меняется порядок работы. Доводку до 1440p можно откладывать на финал, а черновики гонять в 720p, дёшево и быстро. Японский блогер AriaVisuals описывает это очень прямо:

«Теперь я могу апскейлить свои черновики H3 в 2 раза именно такими, какие они есть». (AriaVisuals, 6 ноября, перевод наш)

Другой японский блогер (混合順) отмечает скорость и мягкий стиль Wan в результате: «Для простого апскейла скорость хорошая, ощущение приятное. Стиль Wan слегка чувствуется, но инструмент, похоже, выйдет хороший». Это его впечатление, а не замер.

Как попробовать у себя

  1. Обновите ComfyUI до стабильной v0.45.0: ноды RelayVSRConditioning и VSRDecode в ядре.
  2. Положите relayvsr_x2_lightx2v_int8_convrot.safetensors в models/diffusion_models, а relayvsr_flash_vae_x2_fp32.safetensors в models/vae. Пара x2 к x2.
  3. Откройте шаблон «Video Upscale: RelayVSR 2x». В японском разборе: steps 1, CFG 1, sampler euler, VSR Decode detail 1.
  4. Для кожи и шумного исходника снизьте detail до 0,5–0,8.
  5. Если не хватает памяти, режьте вход на фрагменты и обрабатывайте по очереди.

Кому брать, кому нет

Брать, если у вас видеочерновики в 720p и нужен 1440p на потребительской карте с 8 ГБ. Не брать, если задача — реставрация или точность к исходным пикселям. Тут японские тесты однозначны. Зато 4K и длинные ролики пока не проверены.

По мне самое полезное здесь — схема. Рендерить дёшево, а дорого доводить только выбранное. Цифра 7,32 важна, но это одна цифра одного теста, и её стоит проверить на своём пайплайне.

Цепочку «генерация → апскейл» можно собрать нодами в Workflow

Источники

RelayVSR in ComfyUI: Fast 2x Video Upscale Workflow (2026) – FreakyJolly

Two quick questions · Issue #4 · kopperx/RelayVSR · GitHub

RelayVSR Hits Comfy Core: Native X2/X4 Upscale | ArtRealmAI

Trying out RelayVSR in ComfyUI|混合順

Upscaling H3 Drafts by 2x with RelayVSR|AriaVisuals

Источникnote.com