影片蒸餾方法 PDMD 開源：MiniMax-H3 縮至 4 步出片，細節更穩

PDMD 是一個針對影片擴散模型的開源蒸餾方案，能把開源影片模型 MiniMax-H3 的生成步數從原本的 20 到 30 步直接砍到 4 步。

它讓本地跑影片生成不再需要漫長等待，同時避免了傳統蒸餾演算法越練越糊的通病。

它能做什麼

開源影片模型 MiniMax-H3 原生出片通常需要 20 到 30 步推理，生成一段幾秒鐘的影片需要消耗大量算力和時間。

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

更難得的是畫質沒有崩。如果拿它和其他蒸餾方法橫向對比，PDMD 在畫面的大幅運動、區域性紋理細節以及跨幀一致性上都明顯更優，避免了激烈動作下人物變形、背景閃爍或畫面泛白塗抹的問題。從影片與音訊質量的基準測試來看，它的平均表現也穩穩壓過現有的同類蒸餾方案。

怎麼做到的

這套方案的核心，在於解決了蒸餾過程中「裁判亂吹哨」的問題。

此前像 DMAD 這樣的擴散蒸餾方法，通常會引入一個 Critic（評估器）充當裁判，負責對比學生模型與教師模型輸出的差異，再把修正訊號反饋給學生。但問題在於，評估器本身也是一個模型，它的判斷並不完美。一旦評估器自己產生偏差，錯誤的指導訊號就會被直接餵給學生模型，導致蒸餾出來的畫面越練越髒、細節丟失嚴重。

PDMD 的全稱是投影分佈匹配蒸餾（Projected Distribution Matching Distillation）。它的關鍵改進在於，演算法能夠識別訓練訊號中由評估器誤差引起的分量，並把這部分錯誤投影過濾掉。學生模型只接收乾淨、準確的指導訊號，從而在極少步數下依然能還原出原模型的畫面質感。

怎麼跑起來

研究團隊已經在 Hugging Face 上開源了完整的程式碼、論文與模型權重，並提供了兩種不同體量的部署方案。

第一種是修改後的完整基礎模型（pdmd_4NFE_full），直接替換了原版的 Transformer 權重，體積約為 66GB，適合有大視訊記憶體裝置的使用者開箱即用。

第二種是輕量化的 LoRA 權重（pdmd_4NFE_lora），檔案大小隻有大約 1.4GB。使用者可以使用更小體積的量化版 MiniMax-H3 作為底模，再掛載這個 LoRA 補丁，同樣能獲得 4 步出片的效果。除了 3D Transformer 模組被 LoRA 適配外，模型的 VAE、音訊元件與文本編碼器均複用原版，完全相容。

在環境配置上，只要安裝最新版 Diffusers、Transformers 和 Accelerate 庫，通過幾行標準 Python 指令碼載入 Pipeline 即可呼叫。專案也已經支援 Draw Things 等本地桌面客戶端以及 Google Colab 執行。

為什麼重要

對個人創作者和獨立開發者來說，本地跑影片生成最大的痛點就是等待成本。以往調一個鏡頭往往要耗費數分鐘，PDMD 把生成壓縮到 4 步，配合僅 1.4GB 的輕量 LoRA，大幅降低了在消費級顯示卡上做影片生成試驗的硬體與時間門檻。

在技術思路上，它也給影片蒸餾指出了一個很聰明的方向。以前大家普遍認為極低步數下畫質下滑是不可逆的資訊損失，PDMD 則證明了瓶頸很大程度出在評估器傳遞的錯誤噪聲上。如果這種剔除裁判誤差的方法被推廣到更多開源影片底模上，開源影片生成的實用化程序會明顯提速。