实时视频流需要即时响应，同时在长时间对话中保持视觉一致性。
我们通过将一个带有 3-way CFG 的大型 40 步扩散教师模型（每个视频块 120 次评估）蒸馏为一个无引导的 2 步因果学生模型，并配备固定长度的 KV 缓存，实现了这一目标。
自强制（self-forcing）帮助学生模型抵抗漂移，在评估次数减少 60 倍的情况下保持接近教师模型的质量。
AI论文研究09/24 13:4370
Meta 把 40 步扩散模型蒸馏成 2 步，推理开销降 60 倍
原题：Live video streaming needs to respond instantly while remaining visually consistent over long conversations.
Meta AI 公布实时视频流生成方案：将带 3-way CFG、每个视频块需 120 次评估的 40 步扩散教师模型，蒸馏为无引导的 2 步因果学生模型，并使用固定长度 KV cache。借助 self-forcing，学生模型能抵抗长对话中的漂移，在评估次数减少 60 倍的情况下保持接近教师模型的质量。原文未披露具体模型名称、评测数据集和延迟数据。
推荐理由做实时视频生成的人可以记下这条路线：2 步因果学生 + 固定 KV cache，评估次数砍到 1/60
本文内容转载自 X @AIatMeta，由 AI（deepseek-chat）翻译整理，版权归原作者所有。
阅读原文 ↗ https://x.com/AIatMeta/status/21029972952224320931 个独立信源
- Live video streaming needs to respond instantly while remaining visually consistent over long conversations.
X @AIatMeta · 09/24 13:43 · 热度 3 · 已取全文
标题与摘要由 AI（deepseek-chat）改写，可能有误，以原文为准。
相关条目
- Meta 发布 Muse 实时语音与虚拟形象架构09/24 13:43
- MiniMax-H3 登陆 AMD MI355X，推理提速 26.7 倍09/24 13:28
- Meta 允许 AI 眼镜用户退出视觉数据训练09/24 10:15
- Meta 为 Muse AI Agent 推出电子宠物式可穿戴设备09/24 08:46
- Meta 正在开发独立 Muse AI 硬件设备 Muse Charm09/24 08:15
- Meta 预告掌上设备 Muse Charm，年底开售09/24 08:15