刚看到清华和英伟达合作的一套扩散蒸馏方法，主打把视频生成的采样步数压到极低，四步就能出一段，还专门提到能缓解人体穿模的问题。视频这块一直是采样步数多、算力吃紧，如果真能把有效步数砍到个位数、又不明显掉画质，落地推理成本会好看很多。
穿模这种结构性崩坏一直是长序列生成的老毛病，能在这么少的步数下控住确实值得关注。
等开源了想拿几个复杂动作的prompt试试极限，看看快到这个程度画面一致性到底还剩多少。
蹲开源
四步这个提法有点猛，感觉是挑了好出的场景测的
穿模能压住是真本事，多人交互场景最容易崩
论文测的多半是三秒左右的短片段，拉到十几秒还剩几步就不好说了