| 近日，清华大学TSAIL实验室（人工智能研究院）联合生数科技正式推出开源视频生成加速框架TurboDiffusion，该框架通过多维度技术创新，在保持近乎无损视觉质量的前提下，将AI视频扩散模型的推理速度提升100-200倍，标志着AI视频创作正式迈入实时生成时代。这一突破性成果不仅解决了高分辨率视频生成的延迟痛点，更大幅降低了硬件门槛，让消费级显卡也能流畅完成专业级视频生成任务。 长期以来，AI视频生成技术受限于复杂的计算逻辑，存在生成周期长、硬件成本高的行业痛点。即便是主流的13亿-140亿参数视频生成模型，生成一段短时长高清视频也需耗费数分钟甚至数小时，且需依赖昂贵的专业数据中心级GPU。TurboDiffusion的出现彻底改变了这一现状，通过“算法+系统”的协同优化策略，构建了高效的推理加速体系。 该框架的核心优势源于四项关键技术的深度融合。其一，采用SageAttention低比特量化计算，结合GPU张量核心加速，大幅提升注意力机制运算效率；其二，引入稀疏线性注意力（SLA），仅保留关键注意力连接，减少90%以上的冗余计算量；其三，通过时间步蒸馏（rCM）技术，将传统数百个采样步骤压缩至3-4步，同时依托分数正则化保障视频时空一致性；其四，采用W8A8全链路量化策略，将模型权重与激活值均量化为8位整数，使模型体积减半，显存占用削减60%。这些技术方案相互兼容，仅需6个训练步骤即可复制，显著提升了落地可行性。 实测数据充分验证了TurboDiffusion的加速效果。在单张RTX 5090显卡上，生成5秒480P视频的时间从184秒缩短至1.9秒，提速近97倍；对于参数量达140亿的Wan2.2-I2V-A14B-720P模型，生成高清视频的时间从超1小时（4549秒）压缩至38秒，提速超119倍。即便在消费级RTX 4090显卡上，该框架也能流畅运行大型模型，无需依赖A100、H100等专业昂贵显卡，使单次视频生成的计算成本降低90%以上。 作为完全开源的技术方案，TurboDiffusion已在GitHub开放全套代码、预训练模型权重及训练脚本，推出后迅速引发全球AI社区关注，Meta、OpenAI等国际团队均对其表示关注。该框架的落地将推动AI视频生成从实验阶段走向大规模应用，在短视频创作、影视分镜制作、广告个性化营销、教育课件生成等领域释放巨大价值。例如影视剧组可在30秒内生成可视化分镜视频，替代传统3-5天的手绘周期；教师输入实验描述即可快速生成专业教学视频，大幅降低课件制作门槛。 清华大学TSAIL实验室相关负责人表示，TurboDiffusion的开源旨在构建普惠性的AI视频创作生态，为全球开发者提供高效工具。生数科技团队则补充，未来将持续优化框架的硬件适配能力，探索在移动端设备的部署可能，进一步拓展实时视频生成的应用场景。业内专家评价，这一成果是中国在AI内容生成基础研究领域的重要突破，为全球视频生成技术发展提供了自主创新的中国方案。 |
立即注册
登录
