清华联合生数科技开源TurboDiffusion：视频生成提速200倍，单卡2秒出片

如今，生成一段视频的速度，甚至比浏览短视频还要迅速。

得益于一个全新的开源架构，它能在确保画质的前提下，将视频生成速度最高提升200余倍！

更令人惊叹的是，这一切仅需一块消费级显卡即可实现，让我们直观感受一下：

没错，此前使用1.3B参数、480P分辨率模型，在单张RTX 5090上生成一段5秒视频，大约需要184秒。

如今，这一时间骤降至1.9秒，实现了高达97倍的加速！

这一突破的背后，是清华大学TSAIL实验室与生数科技联合推出的开源视频生成加速框架——TurboDiffusion。

该框架一经发布，立即引发网友热议，纷纷感叹：

我们已迈入一个生成视频数量超过观看视频数量的时代。

Meta研究员及加州大学伯克利分校教授也公开表示支持：

2秒内即可生成一段视频

过去，视频生成技术虽成果惊艳，但生成速度缓慢始终是其难以逾越的瓶颈。

若要生成一段数秒的高画质视频，模型通常需在高显存旗舰显卡上耗时数分钟乃至数十分钟。这种延迟严重束缚了创作者的灵感迸发与实时交互的潜能。

TurboDiffusion的诞生，正是为了破解这一难题。

让我们直接审视一组数据。

在单张RTX 5090显卡上，针对1.3B参数规模的文生视频模型：

1. 原始方式：生成一段480P视频约需184秒（超过3分钟）。
2. TurboDiffusion：仅需1.9秒。

计算可知，相较原始模型，TurboDiffusion达成了约97倍的加速！

若采用更大规模模型，例如14B参数的图生视频模型、720P分辨率，效果同样立竿见影，仅需38秒即可完成：

对于720P的文生视频模型，所需时间也仅24秒：

而14B参数的图生视频模型在480P分辨率下仅需9.9秒：

尤为关键的是，这种速度提升是近乎无损的。

在生数科技自主研发的Vidu模型上应用TurboDiffusion后，视频的动态流畅性、光影质感及指令遵循能力均维持了顶尖水平。

当生成1080P分辨率、8秒时长的高品质视频时，与未经任何推理加速优化的方案相比，TurboDiffusion能将端到端生成延迟从900秒锐减至8秒。

不同参数规模与分辨率下，TurboDiffusion的加速效果可归纳如下：

此外，TurboDiffusion的使用极为便捷，为当前主流视频生成模型提供了即插即用的优化方案。

在GitHub仓库中，TurboDiffusion项目详细列出了操作指南与实现方式：

那么，如此惊人的速度究竟是如何实现的呢？

四步策略极致压缩生成时间

视频生成模型（通常基于Diffusion Transformer架构）之所以缓慢，主要症结在于：步数繁多（采样迭代）、计算繁重（注意力机制）、显存瓶颈（权重传输）。

为此，TurboDiffusion团队融合了四项核心技术，每一项均精准针对扩散模型推理的性能痛点。

首项技术是SageAttention。

注意力机制堪称扩散模型中最耗时的环节之一，传统实现采用FP16（半精度浮点），计算开销大且显存占用高。

TurboDiffusion引入了团队自研的SageAttention2++，这是一种低比特量化注意力方案。

该方案将权重与激活值压缩至INT8乃至INT4，并借助异常值平滑与线程级量化技术，防止精度损失。

实验结果表明，注意力计算速度提升3至5倍，显存占用减半，而图像质量几乎未受影响。

第二项是Sparse-Linear Attention（SLA）。

若说SageAttention着眼于单次计算的提速，那么SLA则从算法逻辑层面减轻负担。

SLA融合了稀疏性（仅关注关键像素点）与线性复杂度（使计算量不随分辨率爆炸式增长）。

其精妙之处在于：稀疏计算与低比特加速彼此正交。这意味着SLA可直接叠加于SageAttention之上，协同作用，在推理过程中进一步挖掘数倍加速潜力。

第三招是rCM步数蒸馏。

传统扩散模型需历经数十甚至上百步迭代方能去噪生成图像。

TurboDiffusion引入rCM（Score-regularized Continuous-time Consistency Models）进行步数蒸馏。

rCM是当前最先进的蒸馏方案之一。借助它，原本需数十步生成的视频，如今仅需1至4步即可达到近似的质量。

最后一项是W8A8量化+自定义算子。

除注意力机制外，模型中的线性层同样占据大量计算。TurboDiffusion对其应用W8A8量化（权重8位，激活8位），并以128×128的块粒度进行分块处理，充分发挥RTX 5090的INT8 Tensor Core性能。

此外，团队采用Triton/CUDA重写了LayerNorm、RMSNorm等基础算子，消除了PyTorch默认实现的开销。

这四项技术环环相扣：蒸馏减少步数，量化降低负载，SLA与SageAttention削减算力需求。最终凝聚成令人瞩目的200倍加速。

这四项核心技术均由清华大学TSAIL团队与生数科技联合自主研发，其意义远超技术指标的突破，更在于它打通了视频生成模型从研究到应用落地的最后一公里：

消费级部署成为现实：在单张RTX 5090上，720P视频生成时间从数百秒缩短至数十秒，真正实现秒级成片，为个人创作者与中小企业提供实用工具。

云端推理成本显著下降：推理延迟降低100倍，意味着同等算力可服务百倍用户，大幅削减云服务商与SaaS平台的运营开支。

驱动AIGC产品创新：实时视频编辑、交互式视频生成、AI短剧自动制作等新场景应运而生，催生全新产品形态。

国产芯片适配性强：低比特、稀疏化、算子定制等特性天然契合国产AI芯片架构，助力中国AI基础设施自主可控。

其中，SageAttention是全球首个实现注意力计算量化加速的技术方案，已在工业界大规模部署应用。

例如，SageAttention已成功集成至NVIDIA推理引擎TensorRT，并完成在华为昇腾、摩尔线程S6000等主流GPU平台的部署与落地。

此外，腾讯混元、字节豆包、阿里Tora、生数Vidu、智谱清影、百度飞桨、昆仑万维、Google Veo3、商汤、vLLM等国内外头部科技企业及团队，均已在其核心产品中应用该技术，凭借卓越性能创造了可观的经济价值。

视频生成，向实时化迈进

从1小时到2秒，TurboDiffusion实现的不仅是一次技术飞跃，更是一次范式革命。

它印证了高质量AI视频无需以牺牲效率为代价。当生成速度步入人类反应时间范畴（<5秒），AI便不再是后期工具，而升华为创作伙伴——你言语，它即动；你勾勒草图，它便演绎故事。

这或许正是实时生成时代的真谛：创作延迟被消除，想象力成为唯一限制。

而今，我们距那个时代，仅剩2秒。

TurboDiffusion项目地址：https://github.com/thu-ml/TurboDiffusion?tab=readme-ov-file

论文地址：https://arxiv.org/pdf/2512.16093