mcm 是视频领域的开源项目，由 yhZhai 开发，2024 年首次发布。
它收录于视频分类，该分类目前共有 474 个项目，GitHub 星标数为 71。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-08。Apache-2.0许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：视频生成模型的快速推理部署。同类可对比的替代方案包括 Latent Consistency Model、AnimateDiff、VideoFusion。
mcm
让视频扩散模型少步采样，快速生成连贯视频
mcm（Motion Consistency Model）是一个面向视频生成的加速采样模型，来自NeurIPS 2024论文。它针对视频扩散模型推理速度慢的问题，提出了一种解耦的运动-外观蒸馏方法，将视频生成中的运动一致性和外观质量分别处理，从而在保持高视觉质量的同时大幅减少采样步数。核心能力包括：支持文本到视频的快速生成，通过一致性模型实现少步采样，并利用运动与外观的分离蒸馏提升生成视频的时间连贯性。项目基于PyTorch，提供训练和推理代码，适合研究视频扩散加速的开发者使用。
开源
free
视频生成
GitHub 星标
★ 71
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队yhZhai
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，完全免费，需自行部署使用。
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aigc,consistency-models,fast-sampling,text-to-video,video-diffusion,video-diffusion-model,video-generation
GitHub 星标★ 71
30天Star增速
HF 下载量
上线时间2024-05-23 00:00:00
最近更新2026-06-08 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3
使用教程
核心亮点
- 提出运动-外观解耦蒸馏，兼顾时间连贯性和画质
- 基于一致性模型，显著减少采样步数，加速推理
- 来自NeurIPS 2024，方法论有学术背书
不足之处
- 项目处于早期，星标少，文档和社区支持待观察
- 依赖特定扩散模型架构，通用性需验证
适用场景
- 视频生成模型的快速推理部署
- 学术研究加速采样方法
- 文本到视频的实时生成原型
替代项目
Latent Consistency Model、AnimateDiff、VideoFusion
项目介绍
下一篇：Cassette
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
openscenesense-ollama
开源
本地跑AI，轻松分析视频画面和声音
OpenSceneSense Ollama is a Python library that harnesses AI for advanced local video···