上海交大邓志杰组的实时长视频生成方案，生成、训练、执行三部分一起设计。现有分块自回归方法要先把一块去噪完、再刷新历史缓存，即使一步去噪也要两次前向；Wave Forcing 用分块因果注意力，让后面的块在前面的块还没完全去噪时就能读到“更干净”的上文，再把错开的去噪阶段和缓存刷新分给多张卡上的完整模型副本，流水线填满后每轮并发前向输出一块（作者称 1F1C）。训练分三阶段：混合噪声去噪、运动监督、用自生成历史做因果适配；运行时 WaveRT 用 Wave Parallelism 提前单向下发各层 K/V，把通信藏在注意力计算下面，并流水线化 VAE 解码。
点赞 106 · 代码星数 96
理由
- 作者称在 Wan2.1-T2V-1.3B 上，4 步版在 8 张 H200 上 DiT 147.6 FPS、端到端 134.8 FPS，是单卡端到端吞吐的 7.07 倍；README 写 1593 帧（16 FPS 下约 100 秒）约 11.8 秒解完。
- 质量方面作者称 5 步版整体与 Rolling Forcing 相当、短视频和长视频的 Dynamic Degree（运动幅度）更高；纯 DiT 对比中，同后端同步数同卡数下 Wave Parallelism 吞吐最高为 Ulysses / Ring 上下文并行较快者的 2.53 倍（1.3B–14B 六种规模）。
- 已能跑：推理代码和 WaveRT 运行时 Apache-2.0，抱脸 SJTU-DENG-Lab/WaveForcing-1.3B 里有 4 步、5 步两个 BF16 检查点（ModelScope 有镜像），参考训练代码也已放出；抱脸当日点赞第二（只代表关注度）。
用法
- 下载：hf download Wan-AI/Wan2.1-T2V-1.3B-Diffusers --local-dir ckpts/Wan2.1-T2V-1.3B-Diffusers，再 hf download SJTU-DENG-Lab/WaveForcing-1.3B --local-dir ckpts/WaveForcing-1.3B（文本编码器、VAE 从 Wan2.1 底模读）。
- 5 步（5+2 布局）：python -m wave_rt --model-path ckpts/Wan2.1-T2V-1.3B-Diffusers --gen-ckpt ckpts/WaveForcing-1.3B/5step/model.safetensors --rf-step 5 --wp-size 6 --denoising-step-list 1000,800,600,400,200 --num-frames 24 --height 480 --width 832 --vae-stages 2 --cuda-visible-devices 0,1,2,3,4,5,6,7 --prompt "…"，输出在 outputs/quickstart/<run-tag>/video.mp4。
- 4 步（4+3 布局，即头条数字）：--gen-ckpt 指向 4step/model.safetensors，并改 --rf-step 4 --wp-size 5 --denoising-step-list 1000,750,500,250 --vae-stages 3。
- --num-frames 是潜空间帧数，必须能被 3 整除；设 399 对应长视频基准（解码 1593 帧）。
风险
- 门槛高：README 的快速上手按 8 卡流水线写，环境只在 Python 3.12、PyTorch 2.11.0+cu128、SGLang 扩散运行时和 Hopper 显卡上验证过，单卡或消费级显卡怎么跑没有说明。
- 目前只有 1.3B 检查点、分辨率 832×480；README 表格里的 14B 一行是随机初始化权重，只测系统扩展性，不代表生成质量。
- 参考训练代码沿用 RollingForcing 的学术用途许可，与运行时的 Apache-2.0 不同；FPS 和质量对比均为作者报告，没看过生成视频，不评价画面。
编辑：适合手里有多张 H100 / H200、想做实时长视频推流或研究分块自回归视频并行的团队；单卡用户先看项目页的完整配置矩阵再决定。