SparkDiffusion

多技术叠加让 DiT 视频生成提速 265 倍

SparkDiffusion 是一个面向 DiT（Diffusion Transformer）视频生成模型的推理加速框架，目标是把原本需要数分钟甚至更久的视频生成过程压缩到可交互的水平。它通过联合稀疏化、蒸馏、量化（W8A8）以及 RoLA 低秩适配等多种技术叠加，在保持生成质量的前提下显著降低计算量，官方宣称可实现最高 265 倍加速。项目用 Python 实现，核心算子基于 Triton 编写，覆盖 cross-distill 蒸馏流程与高稀疏度推理路径，适合需要批量产出视频或部署在线视频生成服务的团队。它解决的是扩散视频模型参数量大、注意力开销高、显存占用高导致难以落地的问题，把学术模型推向工程可用。