FastVideo

环境要求

• uv 包管理器（README 推荐用 uv 创建干净环境，替代 Conda）
• NVIDIA GPU + CUDA 12（使用 UV_TORCH_BACKEND=cu126）或 CUDA 13（使用 cu130）
• Apple Silicon Mac 走 MLX 安装路线，DGX Spark（GB10/ARM64 + CUDA 13）需源码安装

安装与启动步骤

1. 1准备 uv 环境

   README 建议用 uv 创建干净的虚拟环境，并说明从 Conda 迁移到 uv 通常安装更快更稳定；README 未给出具体建环境命令。

2. 2CUDA 12 安装

   在 CUDA 12 环境下安装 FastVideo，UV_TORCH_BACKEND 指定为 cu126，请在已激活的 uv 环境中执行。

   UV_TORCH_BACKEND=cu126 uv pip install fastvideo

   复制

3. 3CUDA 13 安装

   CUDA 13 用户把后端变量换成 cu130，其余安装方式与 CUDA 12 完全相同。

   UV_TORCH_BACKEND=cu130 uv pip install fastvideo

   复制

4. 4Mac 安装 MLX

   Apple Silicon 通过 MLX 运行时跑 FastMetal-QAD，需可编辑安装 mlx 附加项，并下载 FastVideo/FastMetal-1.3B-QAD 权重，参考官方 MPS 指南。

   uv pip install -e '.[mlx]'

   复制

5. 5DGX 源码安装

   DGX Spark（GB10 / ARM64 + CUDA 13）没有预编译 ARM wheel，改用以 cu130 的可编辑源码安装，编译时会顺便构建 CUDA kernel。

   UV_TORCH_BACKEND=cu130 uv pip install -e .

   复制

6. 6验证安装

   先确认能导入 fastvideo 并检测到 CUDA，再查看命令行帮助，确认安装完整可用。

   python -c "import fastvideo, torch; print('cuda', torch.cuda.is_available())"
   fastvideo --help

   复制

关键配置

如何确认成功

执行 python -c "import fastvideo, torch; print('cuda', torch.cuda.is_available())" 能正常导入并输出 cuda 状态，且 fastvideo --help 能打印

常见问题

注意事项

• README 只给出安装与验证命令，更详细的安装说明需查阅官方文档 https://hao-ai-lab.github.io/FastVideo/getting_started/installation/
• Apple Silicon 用户请遵循 MPS 安装指南；DGX Spark 用户请遵循 Spark 安装指南
• 也可把 README 提供的提示词粘贴给 Claude Code、Cursor 等编码代理，自动检测平台并按对应指南安装
• DGX Spark 需要另行获取预编译的 ARM64 FlashAttention wheel