WorldDistill

把视频生成大模型蒸馏成小快模型，少步数出片

WorldDistill 是一个面向视频生成模型与世界模型的统一蒸馏与加速工具箱。视频扩散模型和世界模型通常参数量大、推理步数多，导致生成一段视频耗时高、显存占用大，难以在消费级显卡或实时场景落地。该项目把蒸馏与加速流程做成统一工具链，覆盖教师模型加载、学生模型构建、蒸馏训练、加速采样等环节，目标是让开发者用较少步数、较小模型复现接近原模型的视频生成质量。它用 Python 实现，适合作为视频生成模型压缩与部署的研究和工程起点，可接入主流视频扩散/世界模型架构，帮助降低推理成本、提升帧率，并为后续量化、剪枝等优化提供统一实验框架。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 101

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类模型训练

开发团队Sunbeam23333

所属国家

官网地址

GitHubhttps://github.com/Sunbeam23333/WorldDistill

定价模式free

价格说明开源免费，无在线服务

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型

GitHub 星标★ 101

30天Star增速

HF 下载量

上线时间2026-02-24 00:00:00

最近更新2026-09-07 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-29

浏览次数0

使用教程

核心亮点

统一覆盖视频生成模型与世界模型的蒸馏加速流程，不用为不同架构各写一套训练脚本
聚焦少步数/小模型推理，直接针对视频生成耗时高、显存大的落地痛点
Python 实现，便于接入现有视频扩散与世界模型代码进行二次开发

不足之处

项目处于早期，星标约 101，生态与文档完善度有限
缺少大规模基准与生产环境验证，实际加速收益需自行复现评估

适用场景

把开源视频扩散模型蒸馏成少步版本，降低单段视频生成耗时
在消费级显卡上部署世界模型做交互式仿真或游戏原型
研究视频生成模型压缩与加速算法的统一实验平台

替代项目

Open-Sora、CogVideo、AnimateDiff

项目介绍

WorldDistill 是模型训练领域的开源项目，由 Sunbeam23333 开发，是 2026 年新上线的项目。

它收录于模型训练分类，该分类目前共有 530 个项目，GitHub 星标数为 101。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-07。开源免费，无在线服务。

它主要面向的使用场景是：把开源视频扩散模型蒸馏成少步版本，降低单段视频生成耗时。同类可对比的替代方案包括 Open-Sora、CogVideo、AnimateDiff。

上一篇：lora-inspector

下一篇：dFactory