腾讯混元开源 AIGC 视频生成加速方案 DisCa，加速边界拓展至 11.8 倍

【导语腾讯混元全新 AIGC 视频生成加速方案 DisCa 正式开源代码和模型权重公开可用。该方案聚焦两大方向在蒸馏后少步模型加速及 MeanFlow 蒸馏方案改进上取得突破成果被 CVPR2026 接收。】DisCa突破少步模型加速瓶颈在扩散模型多步生成过程中传统特征缓存方案在少步蒸馏模型中会导致过大缓存误差。而 DisCa 首次提出在蒸馏后的少步模型上引入可学习的轻量神经网络预测器利用特征缓存高度压缩推理成本在保证质量前提下将加速边界拓展至11.8 倍。基于生成 - 判别对抗的预测器训练对于轻量级神经网络预测器 Predictor(P)项目团队引入对抗学习方案。在这个过程中预测器 P 的目标是使生成结果接近大模型 M 的输出判别器 D 则要精准区分两者输出。通过交替学习进化预测器 P 能基于缓存精准预测后续特征。R - MeanFlow改进视频生成训练模式麻省理工何恺明团队的 MeanFlow 在 ImageNet 图像生成任务加速上成功但在更复杂的视频生成任务中“一步生成”目标过于激进。腾讯混元团队提出 R - MeanFlow 模式剪除激进训练场景将步长约束在 0 到 rr1)与同期研究结论相互印证成果用于 HunyuanVideo - 1.5 的步数蒸馏实践。编辑观点腾讯混元的 DisCa 方案在 AIGC 视频生成加速上有显著创新为行业发展提供了新的思路和方法有望推动视频生成技术的进一步发展。