@HuggingPapers: NVIDIA 刚刚在 Hugging Face 上发布了 AnyFlow 首个任意步数视频扩散模型，可生成高质量文本...

X AI KOLs Following 2026/05/13 13:17 模型

video-diffusion text-to-video any-step nvidia hugging-face model-release

摘要

NVIDIA 发布了 AnyFlow，这是首个用于文本到视频生成的任意步数视频扩散模型，允许在推理预算（4 到 50 步）之间实现平滑的质量缩放。

NVIDIA 刚刚在 Hugging Face 上发布了 AnyFlow 首个任意步数视频扩散模型，能够以任意推理预算（4 步或 50 步）生成高质量的文本到视频，质量平滑缩放而不会退化。https://t.co/bT6scg98ZT

查看原文

查看缓存全文

缓存时间: 2026/05/13 18:24

NVIDIA 刚刚在 Hugging Face 上发布了 AnyFlow

首个任意步数视频扩散模型，能在任意推理预算下生成高质量文本到视频——4步或50步，质量平滑扩展而不降级。https://t.co/bT6scg98ZT

相似文章

X AI KOLs Following

NVIDIA 在 Hugging Face 上发布了一个名为 DiffusionGemma 的 26B MoE 多模态模型，采用 NVFP4 量化，在 Hopper 硬件上达到每秒超过 1100 个 token 的速度。

Hugging Face Daily Papers

AnyFlow 提出了一种新颖的任意步长视频扩散蒸馏框架，通过流图过渡学习和反向模拟优化完整的 ODE 采样轨迹，在匹配甚至超越基于一致性模型的同时，能够随采样步数预算进行扩展。

Papers with Code Trending

SANA-Video是一个小型扩散模型，利用线性注意力和恒定内存KV缓存，高效生成高分辨率、长时长的视频，以显著更低的成本和更快的速度实现与现有模型相媲美的性能。

arXiv cs.CL

FlowLM 提出了一种流匹配语言模型，通过高效微调从预训练扩散模型衍生而来，能够实现高质量少步文本生成，其效果可与2000步扩散采样相媲美，而训练轮次更少。

X AI KOLs Following

Meta 的 FAIR 团队发布了 Flowception 的代码，这是 CVPR 2026 的一篇论文，介绍了一种非自回归视频生成框架。该框架通过交错帧插入与连续去噪，减少了误差累积和计算成本。