Video Family LoRA Hub
單張 16GB GPU 的多模型影片生成與身份 LoRA 工作流中樞
把 SVD、LTX-2、Wan、CogVideoX、AnimateDiff SDXL 等影片生成模型家族整理成統一 Python CLI、YAML manifest pipeline、ComfyUI workflow template 與 mock-safe portfolio demo，讓面試官可直接看到操作台、artifact、架構與驗證流程。
已驗證 Demo 錄影 1
由 portfolio quality pass 從既有專案 demo 素材複製。
媒體總覽
快速瀏覽這個專案的截圖與錄影展示。
專案連結與 Demo 狀態
專案概覽
## 概觀 Video Family LoRA Hub 是一個以作品集展示為目標整理過的 AI 影片生成工具鏈。它保留真實工程架構：CLI、manifest、adapter、ComfyUI template、trainer bridge、metadata artifact；同時補上可公開展示的 mock-safe demo，讓面試官不需要 GPU 或私有模型也能理解系統價值。 ## 展示重點 Demo 第一屏就是 run composer 與 pipeline state，可切換 family film teaser、reference portrait i2v、continuity polish v2v、identity LoRA training batch 等情境。截圖與 WebM 錄影呈現 manifest orchestration、artifact browser、architecture layers，README 則提供完整 Mermaid 圖與驗證命令。 ## 技術架構 核心是 `video_generation_lab` Python package：`cli.py` 提供 Typer 入口，`pipeline.py` 處理 YAML manifest、job chaining 與 sharding，`adapters/` 封裝不同影片模型家族，`comfyui/api.py` 負責 workflow parameter binding 與 artifact download，`outputs.py` 統一產出 metadata、config snapshot、preview 與 run log。 ## 可驗證性 公開 demo 使用 deterministic assets；本機則可執行 `python scripts/run_demo_smoke.py` 跑完整 mock-safe pipeline，並用 `pytest`、`ruff`、`mypy`、`python -m build` 驗證核心品質。這讓作品不只是靜態頁，而是一個可重建、可檢查、可部署的展示專案。
我的角色
獨立開發者：系統架構、CLI 與 adapter 設計、ComfyUI workflow 整合、mock-safe demo、README 與 GitHub Pages 部署
問題背景
影片生成模型與 LoRA 訓練工具鏈分散在不同框架、權重格式、ComfyUI 節點與訓練器之間。若要在一張 16GB 消費級 GPU 上做 t2v、i2v、v2v 與角色身份 LoRA，缺少一個可重現、可測試、可對外展示的統一入口。
解決方案
以 Typer CLI 與 Pydantic 驗證的 YAML model catalog 為核心，建立 family registry、generation adapters、manifest pipeline runner、ComfyUI API template 與 trainer subprocess bridges。公開展示版本使用 dummy/mock-safe backend 與 deterministic sample assets，因此不需要 GPU、模型權重、API key 或外部服務，也能完整展示產品流程。
目前成果
專案已整理成 portfolio-ready demo：GitHub Pages 第一屏直接是產品操作台，含 demo scenarios、pipeline state、artifact browser、截圖與 WebM 錄影；本機可跑 pytest、ruff、mypy、package build、demo smoke 與 demo app build。
作品亮點
- 第一屏直接展示產品操作台，不是單純 marketing landing page
- Mock-safe demo mode 不依賴 GPU、模型權重、ComfyUI 或外部 API
- Typer CLI 統一 t2v / i2v / v2v / pipeline run，輸出 metadata 與 config snapshot
- YAML + Pydantic 管理 SVD、LTX-2、Wan、CogVideoX、AnimateDiff SDXL 模型家族
- ComfyUI API workflow metadata 與 GUI export 對齊，支援 template validation
- README 使用 Mermaid 補齊架構圖、資料流圖、部署圖、模組組織圖與 demo flow
技術挑戰
- 真模型推論與 LoRA 訓練需要大型權重、GPU 與 ComfyUI custom nodes，因此公開 demo 必須安全降級
- 原始研究 repo 有大量實驗腳本、log、outputs、local_data 與模型 symlink，需要嚴格隔離 commit scope
目標使用者
- 作品集審閱者與面試官
- 需要快速理解專案目的、技術棧與成熟度的技術讀者
技術亮點
- 偵測到的主要技術線索：Python, PyTorch, Diffusers, Hugging Face PEFT, Transformers, ComfyUI, Typer, Pydantic, PyYAML, GitHub Pages
- 已有 README 作為後續補齊案例研究的依據
- 已連接公開 GitHub repository，可從作品集追溯原始碼
系統架構
此專案目前由 portfolio catalog pipeline 依 README、Git metadata、package/build 設定與素材線索建立案例頁。正式架構說明仍需依實際 source code 補齊；目前可確認的技術線索包含：Python, PyTorch, Diffusers, Hugging Face PEFT, Transformers, ComfyUI, Typer, Pydantic, PyYAML, GitHub Pages。
資料流程
目前尚未完成可公開的資料流程說明。若此專案含資料處理、AI pipeline 或後端 API，後續應補上 input、processing、storage、UI/output 的端到端流程。
專案結構
video-family-lora-hub/ README.md # project documentation, when available source files # implementation reviewed by local audit package/build config # detected capability signals
安裝與執行
This project does not expose a verified runnable web command yet. Review the README/source tree and add exact install, run, test, and build commands before interview use. No verified build command was detected. Treat the current portfolio page as a case-study placeholder until build steps are reviewed.
後續改進
- 補齊正式 README、截圖與 demo recording
- 補上架構圖、資料流程與關鍵技術決策
- 確認 build/test 狀態並更新 portfolio release report
面試說明重點
- 先說明此專案目前的成熟度與可展示範圍
- 聚焦在可驗證的技術棧、程式結構與已完成部分
- 不要宣稱尚未部署、尚未錄影或尚未測試的能力已完成
後續規劃
- 加入真實 GPU output gallery 與評估指標 dashboard
- 把 CLI 核心包成 FastAPI 或 Gradio operator UI
- 將 LoRA training experiment tracking 與 artifact registry 補成正式 MLOps workflow