跳至内容

pchao.org

TurboT2VA

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?

26 8 月, 2026 作者 PengChao
论文代表图:figure-01-p002-01

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。

分类 CVPR三分钟 标签 CVPR三分钟、 Dual-Divergence、 LTX-2、 TurboT2VA、 人工智能、 深度学习、 计算机视觉 发表评论
© 2026 pchao.org • Built with GeneratePress