英文原文: https://argusic.com/subject/light-a-video
Light-A-Video
[ICCV 2025] Light-A-Video：通过渐进式光融合实现无需训练的视频重打光
无法验证来源：GitHub项目主页PythonApache-2.0commit 1b444823a725
Python，Apache-2.0 许可证. 项目的自我描述：video editing 和 video generation.
Argusic 没能让 Light-A-Video 运行起来。一个 Argusic agent 在一台没有 GPU 的干净机器上用 38 分钟完成了安装，遇到 3 个错误，并在无人协助的情况下全部修复，整个会话都被记录了下来。
Install succeeds in a CPU venv (torch 2.3.0+cpu; diffusers upgraded 0.32.1 to 0.33.0), all 16 scripts compile, IC-Light/AnimateDiff/RealisticVision weights download and load, merge, and strict-load on CPU, configs parse, and sample input decodes; the GPU-only inference run and its video output cannot execute without an NVIDIA GPU (harness cgroup is 8 GiB, no CUDA).
agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式
每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 35，满分 100（该项目各次运行得分的平均值）。
概览
项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。
测量了什么
来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。
哪里出了问题，用 agent 自己的话说
agent 的原话，最严重的排在最前，从不改写成建议。
- Runtime requires CUDA: lav_relight.py hardcodes torch.device('cuda'); container has a CPU-only torch and no NVIDIA GPU26 分钟
- README install (pip install -r requirements.txt) failed: diffusers==0.32.1 lacks AutoencoderKLWan/WanTransformer3DModel, breaking lav_wan_relight.py and src/wan_pipe.py; sd_origin keys also mismatched IC-Light's 8-channel conv_in (excluded by the repo's merge, strict load fails on 'missing feats' conv_in.weight)12 分钟
- First CLI launch was OOM-killed (exit 137): control-group memory.max is 8 GiB while loading the full fp32 Undefined pipeline needs >3.2 GiB just for the UNet (vae 319 MB, text 469 MB, peak exceeds cgroup)
- 安装时间
- 38 分钟
- 从冷启动机器到完成
- 8 分钟
- 遇到并修复的错误
- 遇到 3 个，在无人协助的情况下修复了 3 个
- 结果是如何证明的
- venv/pip install exited 0 and torch imported 2.3.0+cpu; compile-all of all 16 py files printed COMPILE_ALL_OK True after diffusers 0.33.0; CAR_SMOKE_OK printed after IC-Light merge+strict load (686 tensors, merged-sha256 d766f682c6a8ba701ade2991) + MotionAdapter (397 M params) + config parse + 16x512x512x3 video decode on CPU; CLI run (python lav_relight.py --config configs/relight/car.yaml) exited 137 (OOM, 8GiB cgroup) and before that printed Loading pipeline components 100% 6/6 then Killed
- 使用的模型 token
- 212,287
- 测试的确切 commit
- 1b444823a725
- 容器镜像
- sha256:cdd920bce783
没有测量什么
另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。
- GPU 显存峰值
- 本次运行在 CPU 机器上进行，没有可采样的 GPU
- 长时间运行的表现
- 每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
- 对接真实服务的表现
- 本次运行只对照替身服务进行了验证
录屏的结尾
决定该结论的终端会话的最后几行，与录制时完全一致。
import os, glob ics = glob.glob(\"/work/repo/models/*\") print(\"models dir:\", ics) import json EOF" in /work/repo succeeded in 608ms: GPU check: False models dir: ['/work/repo/models/model_download_here', '/work/repo/models/iclight_sd15_fc.safetensor… Everything observed is now recorded. Final report: tokens used 212,287 Everything observed is now recorded. Final report:
回放完整会话，从干净的机器到此刻的每一条命令。
测试方式
一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.
优势与局限
均为实测事实，而非观点。内容是如何撰写的.
顺利的部分
- 用 38 分钟完成安装。
- 在无人介入的情况下从全部 3 个错误中恢复，说明这些故障的文档足以让人解决。
- 采用 Apache-2.0 许可证，以其托管平台报告的信息为准。
- 已测量 2 次，因此结果并非偶然。
不顺利或尚不清楚的部分
- 一个没有时间限制的 agent 也没能让它运行起来。
同一领域中也测试过的项目
这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。
运行历史
主题 (来自 GitHub)
嵌入徽章
用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.
[](https://argusic.com/subject/light-a-video)常见问题
- Light-A-Video 能运行吗？
- Argusic 无法验证 Light-A-Video 能否运行. Argusic 在一台干净的机器上安装并启动了它，用时 38 分钟，过程中遇到 3 个错误，并记录了整个会话。
- Argusic 是如何测试 Light-A-Video 的？
- 在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit 1b444823a725。共记录了 2 次尝试，完整方法见方法论页面。
- 测试 Light-A-Video 花了多少钱？
- 得出该结论的那次运行花费 0.05 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
- Light-A-Video 安装需要多长时间？
- 在决定该结论的那次运行中，从干净的机器到运行状态用了 38 分钟。这是一次实测的尝试，不是平均值。
- Light-A-Video 需要 GPU 吗？
- 启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
- 安装 Light-A-Video 时会出现什么问题？
- 已记录的运行中出现了 3 个问题，其中 3 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
- Light-A-Video 的证据在哪里？
- 全部 2 次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。