标题：AI视频边生成边播放！首帧延迟仅1.3秒，生成速度9.4帧/秒｜Adobe&MIT新研究

AI生成视频，边生成边实时播放，再也不用等待了！

Adobe与MIT合作开发了自回归实时视频生成技术——CausVid。

这一技术类似于从下载整部电影转变为直接观看流媒体的过程。在生成首帧画面后，视频即可立即播放，后续内容则动态生成并无缝衔接。

传统的视频生成模型通常需要等待几分钟才能看到结果，这是因为它们采用了双向注意力机制，每帧都需要参考前后帧的信息。CausVid则通过蒸馏预训练的双向扩散模型（DiT）构建自回归生成模型，显著缩短了生成时间。

实验表明，CausVid不仅生成速度快，而且质量更高。首帧延迟从3.5分钟降至1.3秒，生成速度从0.6帧/秒提升至9.4帧/秒，生成质量也优于其他主流模型，如Meta的MovieGen和智谱的CogVideoX。

CausVid利用单向注意力机制和KV缓存推理技术，支持大语言模型的应用，并通过滑动窗口机制突破了长度限制。此外，它还能应用于图片动画化、实时视频风格转换以及交互式剧情生成等多种场景。

项目链接：https://causvid.github.io/