最近，清华大学TSAIL实验室与盛舒科技合作，正式开源了视频生成加速框架TurboDiffusion。这项突破性技术将AI视频扩散模型的推理速度提升了100到200倍，同时保持几乎无损的视觉质量，标志着AI视频创作正式进入实时生成时代。
惊人加速：从几分钟到几秒
TurboDiffusion为现有开源视频生成模型（如1.3B至14B参数模型的Wan2.1和Wan2.2系列）进行了深度优化。在单个RTX5090 GPU上，端到端的发电速度可达到峰值性能的200倍以上。例如：
– 视频生成时间从184秒缩短至1.9秒（约快97倍）;
– 14B型号的高分辨率720P视频从数千秒缩短至数十秒。
即使是在消费级RTX4090 GPU上，也能流畅运行大型模型，无需依赖昂贵的A100或H100专业显卡。这大大降低了AI视频生成的硬件门槛，使更多开发者和创作者能够轻松上手。
核心技术揭晓：多重优化的结合
TurboDiffusion 不是一个新模型，而是一种高效的推理框架，通过系统创新实现近乎无损的加速。主要技术包括：
– 8位量化：使用SageAttention进行低位注意力计算，由Tensor Core加速;
– 稀疏线性注意力（SLA）：仅保留关键注意力连接，进一步降低计算负担;
– 时间步蒸馏（rCM）：将传统的数百个采样步骤压缩为3-4步，结合评分正则化和连续时间一致性蒸馏，确保质量稳定。
这些技术是正交的，只需6个训练步骤即可复制，显著提升作性。该项目完全开源，包括代码、预训练模型权重和完整的训练脚本，并且已经在GitHub上获得了广泛关注。
深远行业影响：开启实时AI视频的新纪元
TurboDiffusion的发布被认为是视频生成领域的“深度寻觅时刻”。它不仅解决了高分辨率长序列视频生成的延迟和成本问题，还吸引了Meta和OpenAI等国际团队的关注。该框架推动了AI视频从实验阶段向大规模应用的转变，预计未来将支持互动创作和企业级大规模生产。
