ComfyUI-WanVideoWrapper中的VRAM缓存管理问题解析

问题背景

在ComfyUI-WanVideoWrapper项目的T2V（Text-to-Video）工作流运行过程中，开发者发现一个值得关注的VRAM管理问题：首次运行后视频潜在空间（latents）处理完毕时，显存占用会从峰值65%降至11%，但在后续VAE解码阶段会突然飙升至95%并触发共享内存使用。更值得注意的是，即使解码完成，显存占用仍维持在52%的高位，无法自动释放。

技术分析

通过项目维护者的深入排查，发现问题根源在于VAE（变分自编码器）组件的缓存管理机制。测试表明：

1. 单纯加载VAE并执行编码操作就会导致约2GB的固定显存占用
2. 该缓存不会随常规操作自动释放
3. 项目本身已内置缓存清理函数，但未被正确调用

这种现象在视频生成场景尤为明显，因为：

• 视频处理的潜在空间维度较高（如768x768x81）
• 连续生成时缓存累积会快速耗尽显存
• 手动执行"Free model and node cache"可临时缓解

解决方案

维护者确认该问题已通过以下方式解决：

1. 显式调用VAE内置的缓存清理函数
2. 在关键处理节点自动执行显存回收
3. 优化后的版本可完全释放被占用的VRAM

最佳实践建议

对于视频生成开发者，建议：

1. 定期检查框架版本更新
2. 监控各处理阶段的显存占用曲线
3. 对于长时间运行的批量生成任务，可考虑：
   • 设置显存阈值自动回收
   • 分批次处理时主动调用清理函数
   • 适当降低中间结果的缓存保留时间

该优化不仅解决了T2V工作流的问题，实际上提升了所有涉及VAE的推理任务的显存使用效率，对资源受限的开发环境尤为重要。