视频蒸馏方法 PDMD 开源：MiniMax-H3 缩至 4 步出片，细节更稳

PDMD 是一个针对视频扩散模型的开源蒸馏方案，能把开源视频模型 MiniMax-H3 的生成步数从原本的 20 到 30 步直接砍到 4 步。

它让本地跑视频生成不再需要漫长等待，同时避免了传统蒸馏算法越练越糊的通病。

它能做什么

开源视频模型 MiniMax-H3 原生出片通常需要 20 到 30 步推理，生成一段几秒钟的视频需要消耗大量算力和时间。

套上 PDMD 之后，模型只需要 4 步（4 NFE）去噪就能完成出片，推理速度提升数倍。

更难得的是画质没有崩。如果拿它和其他蒸馏方法横向对比，PDMD 在画面的大幅运动、局部纹理细节以及跨帧一致性上都明显更优，避免了激烈动作下人物变形、背景闪烁或画面泛白涂抹的问题。从视频与音频质量的基准测试来看，它的平均表现也稳稳压过现有的同类蒸馏方案。

怎么做到的

这套方案的核心，在于解决了蒸馏过程中「裁判乱吹哨」的问题。

此前像 DMAD 这样的扩散蒸馏方法，通常会引入一个 Critic（评估器）充当裁判，负责对比学生模型与教师模型输出的差异，再把修正信号反馈给学生。但问题在于，评估器本身也是一个模型，它的判断并不完美。一旦评估器自己产生偏差，错误的指导信号就会被直接喂给学生模型，导致蒸馏出来的画面越练越脏、细节丢失严重。

PDMD 的全称是投影分布匹配蒸馏（Projected Distribution Matching Distillation）。它的关键改进在于，算法能够识别训练信号中由评估器误差引起的分量，并把这部分错误投影过滤掉。学生模型只接收干净、准确的指导信号，从而在极少步数下依然能还原出原模型的画面质感。

怎么跑起来

研究团队已经在 Hugging Face 上开源了完整的代码、论文与模型权重，并提供了两种不同体量的部署方案。

第一种是修改后的完整基础模型（pdmd_4NFE_full），直接替换了原版的 Transformer 权重，体积约为 66GB，适合有大显存设备的用户开箱即用。

第二种是轻量化的 LoRA 权重（pdmd_4NFE_lora），文件大小只有大约 1.4GB。用户可以使用更小体积的量化版 MiniMax-H3 作为底模，再挂载这个 LoRA 补丁，同样能获得 4 步出片的效果。除了 3D Transformer 模块被 LoRA 适配外，模型的 VAE、音频组件与文本编码器均复用原版，完全兼容。

在环境配置上，只要安装最新版 Diffusers、Transformers 和 Accelerate 库，通过几行标准 Python 脚本加载 Pipeline 即可调用。项目也已经支持 Draw Things 等本地桌面客户端以及 Google Colab 运行。

为什么重要

对个人创作者和独立开发者来说，本地跑视频生成最大的痛点就是等待成本。以往调一个镜头往往要耗费数分钟，PDMD 把生成压缩到 4 步，配合仅 1.4GB 的轻量 LoRA，大幅降低了在消费级显卡上做视频生成试验的硬件与时间门槛。

在技术思路上，它也给视频蒸馏指出了一个很聪明的方向。以前大家普遍认为极低步数下画质下滑是不可逆的信息损失，PDMD 则证明了瓶颈很大程度出在评估器传递的错误噪声上。如果这种剔除裁判误差的方法被推广到更多开源视频底模上，开源视频生成的实用化进程会明显提速。