18秒出片、视频生成提速265倍！北大清华阿里提出SparkDiffusion
2026.09.28 · 产品 · 开源项目 · 论文预印本
北大清华阿里等提出统一加速框架SparkDiffusion，单卡RTX 5090实现265倍视频生成加速。
北京大学、清华大学、阿里巴巴等机构提出SparkDiffusion，首个将稀疏注意力、少步蒸馏与低精度量化整合到统一框架的视频生成加速系统。团队识别出极致稀疏下的「高稀疏陷阱」，通过终端对齐监督与三阶段流程解决，在RTX 5090单卡上实现265倍加速，18秒生成5秒720P视频。
- 识别并命名「高稀疏陷阱」：97%稀疏率下训练越久质量越差
- 提出终端对齐监督，约束每步最终生成结果，避免误差累积
- 三阶段方案：RoLA稀疏注意力+CrossDistill少步蒸馏+FP8量化
- RTX 5090单卡265倍加速，H100上220倍、延迟降至8秒
- 已完整开源权重、训练代码与推理脚本，支持Wan2.1/Wan2.2
为什么值得看
揭示极致稀疏失效根因，给出可落地的端到端视频生成加速方案。
适合谁关注
视频生成研究者、AI创作者、消费级显卡部署开发者。