TurboT2VA:把19B视频-音频模型从40步压到4步,质量与多样性如何兼得?
TurboT2VA 通过渐进式 dCM→sCM→sCM+DMD 课程蒸馏与架构感知推理栈,将 19B 参数联合视频-音频模型从 40 步蒸馏至 4 步,在 1024×1792 分辨率下实现 54.67× 生成器加速。
TurboT2VA 通过渐进式 dCM→sCM→sCM+DMD 课程蒸馏与架构感知推理栈,将 19B 参数联合视频-音频模型从 40 步蒸馏至 4 步,在 1024×1792 分辨率下实现 54.67× 生成器加速。