Load FramePackModel
节点功能：用于加载本地已下载的模型，支持手动选择模型路径，适合离线或自定义模型的使用场景。
输入参数
| 参数名称 | 说明 |
|---|---|
| compile_args | 可选，来自 FramePackTorchCompileSettings 节点的配置参数。 |
输出参数
| 参数名称 | 说明 |
|---|---|
| model | 加载并初始化后的 FramePack 视频生成模型。 |
控件参数
| 参数名称 | 说明 |
|---|---|
| model | 选择要加载的 FramePack 模型。 |
| base_precision | 模型基础精度类型，支持 fp32、bf16、fp16。默认 bf16。 |
| quantization | 可选的量化方法，用于减少显存消耗。支持 disabled、fp8_e4m3fn、fp8_e4m3fn_fast、fp8_e5m2。默认 disabled。 |
| attention_mode | 用于 transformer 的注意力计算方法。 sdpa 是 PyTorch 原生实现，兼容性最好但速度最慢，适合调试；flash_attn 是 NVIDIA 优化内核，速度最快且显存利用高，适合大批量推理；sageattn 是稀疏注意力机制，计算量少但精度略低，适合超长序列任务。 |
它有两个模型可供选择FramePackI2V_HY_fp8_e4m3fn.safetensors和FramePackI2V_HY_bf16.safetensors
FramePackI2V_HY_fp8_e4m3fn.safetensors视频生成时间
FramePackI2V_HY_bf16.safetensors视频生成时间
bf16比fp8的手部细节更好，且运行时间差不多，甚至更短
以下是三种不同的加速方式视频生成时间
sdpa
flash-attn
sageattn
可以看出sageattn的加速效果更明显一些。（这里只是5s视频，差距不是很大）左边sdpa，中间flash-attn，右边sageattn