突破性AI視頻技術：1.3秒首幀延遲，9.4幀/秒實時生成！

網友：和美劇拍攝一個套路

原標題：AI視頻邊生成邊播放！首幀延遲僅1.3秒，生成速度9.4幀/秒｜Adobe&MIT新研究
文章來源：量子位
內容字數：3217字

引言

Adobe與MIT聯合開發的CausVid技術，標志著視頻生成領域的一次重大突破。該技術通過實時生成視頻，改變了傳統的等待模式，使用戶可以在生成過程中即時觀看內容。

1. 傳統視頻生成的挑戰

傳統視頻生成模型通常采用雙向注意力機制，這意味著每一幀生成都需要依賴前后幀的信息。這種方式導致用戶在觀看視頻時，往往需要等待幾分鐘才能看到完整內容，極大影響了用戶體驗。

2. CausVid的創新解決方案

CausVid通過蒸餾預訓練的雙向擴散模型（DiT），實現了自回歸生成模型。這一技術允許在生成首幀后，用戶即可開始觀看視頻，其余幀則在播放過程中動態生成，解決了傳統模型的延遲問題。

3. 提升生成速度與質量

為了進一步提高生成速度，研究團隊采用了分布匹配蒸餾（DMD）技術，將生成步驟從50步縮減至4步，顯著提升了視頻生成的效率與質量。同時，通過非對稱蒸餾策略，CausVid有效減少了自回歸模型中的誤差累積問題。

4. 實驗效果顯著

在實驗中，CausVid的首幀生成延遲從3.5分鐘降至1.3秒，生成速度從0.6幀/秒提升至9.4幀/秒，質量也超越了現有主流模型。研究團隊表示，CausVid能支持多種應用，如圖片動畫化、實時視頻風格轉換和交互式劇情生成。

5. 未來展望

借助CausVid技術，未來視頻生成將更加高效和靈活。該技術能夠在大語言模型中廣泛應用，結合滑動窗口機制，打破了傳統模型在視頻時長上的限制，預示著視頻生成的全新可能性。

結論

CausVid的推出為視頻生成帶來了性的變化，不僅提升了生成速度和質量，更拓展了視頻應用的邊界。隨著開源代碼的發布，預計會有更多開發者和研究者參與到這一領域，推動技術的進一步發展。

聯系作者

文章來源：量子位
作者微信：
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破