كيف يسرّع SparkDiffusion توليد الفيديو من دون الاعتماد على تقنية واحدة؟

يجمع إطار SparkDiffusion، الذي أتاحه باحثون من جامعة بكين وجامعة تسينغهوا وعلي بابا، بين ثلاث وسائل لتسريع نماذج الفيديو Wan: تقليل عمليات الانتباه، وخفض عدد خطوات التوليد، وتسريع العمليات المتبقية باستخدام نوى مدمجة بدقة FP8. والنتيجة الأبرز التي يوردها المشروع هي توليد فيديو مدته 81 إطاراً بدقة 720p خلال 18 ثانية بدلاً من 4769 ثانية على بطاقة RTX 5090 واحدة—لكنها نتيجة لاختبار محدد، وليست ضماناً للسرعة نفسها في كل استخدام. 68

ما المقصود بـ«فخ التبعثر الشديد»؟

تعالج نماذج الفيديو كميات كبيرة من المعلومات المكانية والزمنية، ويستهلك الانتباه جزءاً مهماً من حساباتها. ويخفّض الانتباه المتناثر هذا العبء عبر حساب عدد أقل من التفاعلات بين أجزاء البيانات. لكن الباحثين يصفون مشكلة تظهر عند رفع مستوى التبعثر كثيراً: قد يستمر تحسن مقياس التدريب المرتبط بكل خطوة، في حين تتوقف جودة الفيديو النهائي عن التحسن أو تتراجع. 18

هذا التباعد بين إشارة التدريب والنتيجة التي يراها المستخدم هو ما يسمّيه الفريق «فخ التبعثر الشديد». ويقترح SparkDiffusion معالجة مرحلية: تهيئة النموذج المتناثر أولاً كي يتعلم تصوراً عاماً، ثم استخدام التقطير لتصحيح مسار التوليد النهائي. 8

كيف تتكامل تقنيات SparkDiffusion؟

• RoLA لتقليل حسابات الانتباه: تستخدم هذه الطريقة تعلّماً للانتباه المتناثر بهدف الإبقاء على مجموعة أصغر من التفاعلات الحسابية. ويذكر المشروع وصول بعض الإعدادات إلى تبعثر في الانتباه بنسبة 97%. 2811
• CrossDistill لتقليل عدد الخطوات: يحوّل التقطير القائم على مسار التوليد النموذج إلى مولّد يعمل في خطوات قليلة. ويصف المشروع إعداداً من ثلاث خطوات من دون توجيه خالٍ من المصنّف (CFG)، كما تتضمن الإصدارات المنشورة نموذج Wan 2.1 ثلاثي الخطوات. 1810
• نوى FP8 مدمجة لتسريع كل خطوة: تقلل الحسابات بدقة FP8، مع دمج عمليات متعددة في نوى تنفيذية، كلفة تنفيذ العمل المتبقي. 8

إذن، لا يأتي التسريع من التبعثر وحده: فالإطار يقلل الحسابات داخل الخطوة، ويقلص عدد الخطوات، ثم ينفذها بكفاءة أكبر. 8

ماذا تقول اختبارات السرعة؟

في اختبار لفيديو Wan 2.1 T2V 14B بطول 81 إطاراً ودقة 720p، انخفض زمن التوليد من 4769 ثانية إلى 18 ثانية على بطاقة RTX 5090 واحدة، أي نحو 265 مرة. وعلى بطاقة H100، انخفض الزمن المعلن من 1757 ثانية إلى 8 ثوانٍ، أو ما يقارب 220 مرة. وهذه أرقام مرتبطة بالنموذج والدقة والعتاد المستخدم في الاختبار، ولا تمثل ضماناً لأداء إعدادات أخرى. 6

ويورد المشروع أيضاً تسريعاً يقارب 140 مرة لحالة Wan 2.1 بحجم 1.3B ودقة 480p. اختلاف النتيجة بين هذه الحالة واختبار 720p يوضح أهمية النظر إلى مواصفات الاختبار إلى جانب الرقم الأبرز. 57

وماذا عن جودة الفيديو؟

يصف المشروع SparkDiffusion بأنه يحافظ على جودة بصرية قوية عند مستويات مرتفعة من التبعثر. لكن أرقام السرعة وحدها لا تثبت أن الجودة ستظل مماثلة في كل مطالبة أو دقة أو نسخة من النموذج. كما أن «فخ التبعثر الشديد» نفسه يوضح أن تحسن مقياس التدريب في خطوة منفردة لا يعني بالضرورة تحسناً في الفيديو النهائي. 818

لذلك، من الأدق فهم ادعاءات السرعة والجودة على أنها مرتبطة بالإعدادات التي قيّمها الفريق؛ ولا تكفي ملخصات الاختبارات المتاحة للجزم بأن كل فيديو مولّد سيطابق نتيجة نموذج Wan الكثيف.

ما النماذج والنسخ المتاحة؟

تشمل نقاط التحقق المنشورة Wan 2.1 T2V 14B بدقتي 480p و720p، إضافة إلى Wan 2.2 T2V A14B بدقة 480p. وتختلف مستويات التبعثر المدعومة: فنسخة Wan 2.1 بدقة 480p تدعم 90%، بينما تصل بعض نسخ 720p إلى 95% أو 97%، وتغطي نسخة Wan 2.2 بدقة 480p نطاقاً من 90% إلى 95%. لذلك لا يصح افتراض أن نسبة 97% متاحة في كل نسخة منشورة. 9101112

ويقدّم المشروع SparkDiffusion بوصفه إطاراً قابلاً للتوسيع إلى ما يتجاوز إصدارات Wan المدرجة، لكن المصادر المتاحة لا تحدد موعداً موثوقاً أو نتائج مؤكدة لنماذج أو عتاد مستقبلي. 8