苹果发布低延迟视频生成模型 FastFrames,提供 13 亿和 140 亿参数两个版本,开放权重。
关键指标 FastFrames-L(14B)采用每个潜在帧两步扩散的生成方式,输出分辨率 832×480。在 NVIDIA B200 上,单卡生成延迟为每帧 158 毫秒,8 卡并行降到每帧 45 毫秒。这个数量的延迟意味着什么?一段 5 秒、24fps 的视频是 120 帧,单卡约 19 秒,8 卡约 5.4 秒。
两步扩散是核心取舍 常规视频扩散动辄几十步采样,FastFrames 把每个潜在帧压到两步。代价是单帧细节和运动一致性会有损失,收益是延迟数量级下降。832×480 的分辨率也说明了定位——不是做院线级生成,是做实时或准实时的预览、草稿、动态素材。
苹果为什么做这个 一条明线是端侧和私有云的内容生成能力,另一条暗线是它一直在补的 3D 与空间内容。视频生成模型和空间视频、Vision 系列的内容供给是连着的。开源权重这个动作,更像是抢生态而不是抢收入。
能落地的场景 电商商品视频的初稿、短视频的批量素材、游戏和动画的分镜预览。这些场景的共同点是对绝对画质要求不高,对出片速度和成本极其敏感。想试的话,先用 1.3B 版本在单卡上跑通,确认生成质量和你的验收标准对得上,再考虑 14B。别一上来就上大模型,延迟和显存都会劝退你。
本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。