LibTV批量分镜卡死因显存超限,须调max_scenes_per_batch(如4090设为8)、分批处理、关自动拼接、限帧数、启跳过模式并隔离输出目录。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

LibTV AI视频工作流在处理大量分镜时容易卡死、显存爆满或任务无限挂起,不是模型“不能算”,而是默认配置没对齐你的硬件实际吞吐能力——尤其当分镜数超过12个且分辨率设为1080p时,GPU显存常在配音合成前就耗尽。
先看分镜数量和硬件的硬约束关系
打开项目根目录下的 config.yaml 文件 → 找到 max_scenes_per_batch 这一项 → 默认值是 8 → 这不是建议值,而是安全上限:NVIDIA RTX 4090(24G显存)在1080p+Lora叠加场景下,超过这个数就会触发CUDA out of memory错误。
如果你用的是RTX 3060(12G)或A6000(48G),必须手动改这里。别跳过这步——【不改config.yaml直接跑20个分镜,90%概率在第13帧生成时崩溃,且日志里只报“Killed”三个字,毫无提示】。
分镜拆解后怎么喂给LibTV才不崩
方法一:用Python脚本切片喂入
把原始分镜JSON按每6个一组切开 → 存成 scene_batch_01.json、scene_batch_02.json → 启动命令加参数:--scene-config scene_batch_01.json → 等第一个批次导出完成(检查output/目录下有mp4且大小>5MB)→ 再启动下一批。
方法二:WebUI里关掉“自动拼接”开关
进WebUI → 点「分镜生成」页签 → 把底部「启用自动剪辑合成」勾选取消 → 每生成完一个分镜,它会单独存为 scene_001.mp4 到 output/scenes/ → 这样哪怕你塞进30个分镜,也只是生成30个独立小文件,不会压垮显存。
注意:关掉自动拼接后,配音和字幕得自己用FFmpeg或剪映补上,但至少能跑通。
批量分镜任务的稳定执行路径
第一步:确认GPU显存余量
运行 nvidia-smi → 看“Memory-Usage”那一栏,空闲必须>4GB才能开始;低于3GB就别硬上,先杀掉占用进程。
第二步:强制限制单次渲染帧数
在每个分镜配置块里加字段:"max_frames": 16 → 即使你写了“镜头持续30秒”,它也只渲染前16帧 → 这能避开很多长镜头导致的显存泄漏问题。
第三步:启用失败跳过模式
启动服务时加参数:--skip-failed-scenes true → 某个分镜炸了,LibTV不会停,会记日志并继续下一个 → 避免整批重跑。
第四步:输出目录分级隔离
给每组分镜指定独立输出路径:--output-dir output/batch_a/ → 不同批次绝不混存 → 后续排查哪个分镜出问题,直接进对应文件夹看log.txt就行,不用翻几千行总日志。

















