AI视频边生成边播放！首帧延迟仅1.3秒，生成速度9.4帧／秒

　　AI驱动视频生成，边生成边播放，无需再等待！

　　Adobe与MIT携手推出了一项革命性的技术——CausVid，这项技术实现了自回归实时视频生成。这一突破就像是从下载整部电影到直接观看流媒体视频的转变，模型在生成首帧画面后，视频即可即时播放，后续内容则动态生成并无缝衔接。

　　传统的视频生成模型需要漫长的等待时间，生成一段10秒的视频往往需要几分钟。而CausVid通过创新的方式解决了这一问题。研究团队提出了一种全新的解决方案，通过蒸馏预训练的双向扩散模型（DiT），构建了自回归生成模型。在实验中，CausVid不仅无需额外训练就能支持多种应用，其生成速度和质量也显著超越了现有方法。

　　为了进一步提升生成速度，研究团队采用了分布匹配蒸馏（DMD）技术，将生成步骤从50步缩减到仅需4步。DMD是一种成功的扩散模型蒸馏技术，此前已在图像生成中取得显著成效。本次研究中，团队首次将其应用于视频扩散模型，实现了显著加速。

　　然而，自回归模型面临一个核心难题——误差累积。为了解决这一问题，团队提出了非对称蒸馏策略。他们引入了一个拥有未来信息的双向教师模型，在蒸馏训练阶段指导自回归的单向学生模型。这种教师-学生结构使模型在生成未来帧时具备更强的精确度。同时，通过对不同时间点的视频帧施加不同强度的噪声，模型能够在测试时基于干净的已生成帧对当前帧进行去噪。

　　在实验中，CausVid的表现令人惊艳：首帧生成延迟从3.5分钟降至1.3秒，提速170倍；生成速度从0.6帧/秒提升至9.4帧/秒，提升16倍；生成质量也优于主流模型。此外，CausVid完全支持在大语言模型中广泛应用的KV缓存推理技术，显著提升了生成效率。结合滑动窗口机制，CausVid突破了传统模型的长度限制，能够生成长达30秒甚至更长的视频。

　　基于自回归生成的特性，CausVid无需额外训练就能支持多种应用，如图片动画化、实时视频风格转换和交互式剧情生成等。这一技术的出现为视频生成领域带来了新的可能性，让我们期待未来更多创新的AI驱动视频应用。