DecartAI 发布了 MirageLSD，世界上首个实时直播视频模型，能将摄像头画面实时转换为其他风格和内容，延迟仅 40 毫秒，支持无限长度视频生成。技术核心包括 Diffusion Forcing 和历史增强解决无限生成问题，以及定制 CUDA Mega Kernels 和架构感知剪枝提升实时性能，实现 24FPS 实时视频。

🎥 MirageLSD 是首个实时直播视频模型，能将摄像头画面实时转换为其他风格和内容，延迟仅 40 毫秒，支持无限长度视频生成。

🔄 采用 Diffusion Forcing 和历史增强技术，每帧独立去噪并引入伪影历史帧，解决传统自回归视频模型误差累积问题，实现无限时长稳定生成。

⚡ 通过定制 CUDA Mega Kernels 和架构感知剪枝，大幅减少计算量，将响应速度提升 16 倍，满足实时 24FPS 视频生成需求。

🚀 支持无限长度视频生成，通过预期并纠正输入缺陷，增强模型对误差漂移的鲁棒性，保证长时长的视频质量。

🔗 结合捷径蒸馏技术，用小模型学习大模型去噪轨迹，减少扩散步骤，在保证质量一致性的同时提升效率。

相较于 Open AI 的 Agent 模式，我觉得昨晚最重要的发布是这个

DecartAI 发布了 MirageLSD：世界上首个实时直播视频模型，可以将摄像头的画面实时转换为其他风格和内容的视频。

延迟只有 40 毫秒，而且支持无限长度视频生成！

这里尝试：https://about.decart.ai/

技术报告中最重要的两个部分：

（1）无限生成

问题：传统自回归视频模型因误差累积，生成时长受限，质量迅速下降。

解决方案：
Diffusion Forcing：每帧独立去噪，提升逐帧生成能力。
历史增强（History Augmentation）：模型在训练时引入带有伪影的历史帧，学会预期并纠正输入中的缺陷，从而增强对误差漂移的鲁棒性。

效果：首次实现了无限时长、稳定、可控的自动回归视频生成。

（2）实时性能

问题：高质量扩散模型计算量大，传统 GPU 架构难以满足每帧 40 毫秒内生成的低延迟要求。

解决方案：
定制 CUDA Mega Kernels：为 NVIDIA Hopper 架构优化，减少每层延迟并集成 GPU 间通信。
架构感知剪枝：结合模型结构与系统优化，减少每次推理所需的 FLOPs，并利用硬件稀疏性提升效率。
捷径蒸馏（Shortcut Distillation）：用小模型学习大模型的去噪轨迹，减少每帧所需的扩散步骤，保证质量和一致性。

效果：响应速度提升 16 倍，实现 24FPS 实时视频生成。