安装
默认全开：flash-attn（必装）+ SageAttention（尽力）+ torch.compile；模型 Model_Lite（1.3B），输出固定 512×512 @25fps，长音频整段流式一次跑完。
后端 / 实时指标
上次基准：— FPS
RTF：—
单块耗时：— ms
实时口径：单张 4090 单路 ≥25FPS（25fps 目标）。安装收尾会自动跑一次 4 块基准（首块含预热，后 3 块取中位数），结果写在这里。
试生成（人物图 + 语音 → mp4）
人物图（端口 0）
把人物图拖进来
语音（端口 1）
把音频拖进来（wav / mp3 / m4a）