41 分钟压进 10 分钟,黄总
@servasyy_ai 在 4090 上跑双采,只动了首采的分辨率,
首采降到 480p,848×480 或 480×854,他说这是工程上「最划算、效果最稳的甜点位」,
原来 768P 下首采一步就要 130 秒,8 步光首采就占了 17 分钟,
降到 480p,Token 数量直接砍掉一半以上,单步快了,4090 显存也不再有爆卡的压力,
最狠的是,画质一点没让,省掉的全是首采里用不上的计算,
原因他也讲了,DiT 架构里 Attention 的计算量和序列长度强相关,画面一小,要算的就少一大截,
首采只管把构图和动作定下来,再用 Refiner 3 步二采拉到 2K,十几秒把毛发和质感补回来,
这就像开会先在白板上画草图,方向定了,
再交给美工精修,没人一上来就逐像素抠细节,
我觉得这招值钱在分工,粗活用小图干,细活只花十几秒