正在整理你需要的资料…
thu-ml/TurboDiffusion ↗ · 项目主页 ↗
单张 RTX 5090 上生成 5 秒视频要等 184 秒,太慢。TurboDiffusion 用 SageAttention 和 SLA 稀疏线性注意力做注意力加速、用 rCM 做时间步蒸馏,把端到端生成压到 1.9 秒(100 到 200 倍),Wan、H3 FL2VA 都支持,还有社区做的 ComfyUI 集成。
适合本地显卡跑视频生成、觉得每条片子要等几分钟太久的人;目前只在长英文提示词上训练过,其他提示词建议先改写,权重与论文都还没定稿。
TurboDiffusion
单张 RTX 5090 上生成 5 秒视频要等 184 秒,太慢
下面是把仓库 README 逐节读完后归纳出的中文要点。
TurboDiffusion 是视频生成加速框架,单卡 RTX 5090 上把扩散提速 100 到 200 倍保画质;用 SageAttention、SLA 加速注意力,rCM 蒸馏时间步。
列出五个模型及其最佳分辨率与 Huggingface 权重链接;所有权重都支持生成 480p 或 720p 视频,该列表示画质最好的分辨率。
环境要 Python 3.9 以上与 torch 2.7.0,推荐 torch 2.8.0,更高版本可能显存不足;可 pip 安装或源码编译,开 SageSLA 要 SpargeAttn。
在单张 RTX 5090 上评测视频生成,端到端耗时不含文本编码与 VAE 解码;对比中原始模型耗时 4549 秒而加速版为 38 秒,另一组对比为 184 秒对 1.9 秒。
训练代码基于 Wan2.1 及其合成数据,依赖 rCM 代码库,支持 FSDP2、Ulysses CP 与选择性激活检查点;检查点需先把 .pth 教师权重转成 .dcp 格式。
社区项目已把 TurboDiffusion 接入 ComfyUI;仓库里的 turbot2va 目录提供 LTX-2 的文本到音视频蒸馏与推理,使用独立环境,不影响主运行时。
git clone https://github.com/thu-ml/TurboDiffusion.git
cd TurboDiffusion
git submodule update --init --recursive
pip install -e . --no-build-isolation| 主要语言 | Python | 许可 | Apache-2.0 |
|---|---|---|---|
| 创建时间 | 2025-12-06 | 最近提交 | 2026-11-04 |
| 站内采集 | 2026-11-06 起,连续观察 1 天 | 最近一次 | 2026-11-06 |
最近 1 次采集
这个项目刚进入观察名单,还没有足够的历史数据画曲线。
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。