苹果开源 FastFrames:两步扩散实现交互级延迟视频生成
_akhaliq · x · 2026-11-18
苹果在 Hugging Face 发布 FastFrames 视频生成模型,主打「交互级延迟」的 480p 视频生成。
- 两个规格:FastFrames-S(1.3B)与 FastFrames-L(14B),均为自回归两步视频扩散模型
- 延迟数据:FastFrames-S 单卡 480p 全 KV cache 下总延迟约 35.4ms/步(DiT 前向约 16ms),接近论文报告的 36ms
- 同时发布优化版 LingBot 1.3B,比官方模型快 16 倍,支持流畅的相机条件控制
- 仓库提供延迟基准脚本、交互式 demo 与 T2V 生成脚本,依赖 Linux + NVIDIA GPU + CUDA 12.8
「交互级延迟」意味着生成速度接近实时,对交互式视频应用和世界模型方向是值得关注的信号。
「具身」频道最新
- Starkey AI 助听器销量破 10 亿美元,「耳朵是新手腕」 — BrandonSawalich · 2026-11-18
- binarybits:特斯拉 Robotaxi 仍难逃逐城扩张的苦战 — binarybits · 2026-11-18
- NVIDIA GEAR 研究员宾大分享:从人体动捕到 GR00T 2 Turbo 世界动作模型 — zhengyiluo · 2026-11-18
- 加州禁止Waymo自动驾驶车上州属高速公路 — armcat · 2026-11-18
- 远程操控人形机器人 TAU 下厨煎汉堡,演示 4 倍速 — Distinct-Question-16 · 2026-11-18
- Ropedia Xperience 2:1500+真实场景推动物理AI数据规模化 — _akhaliq · 2026-11-18