SparkDiffusion：视频生成器 — 功能与运行要求

SparkDiffusion — 阿里巴巴研究团队推出的开源文本生成视频生成器。该项目解决 text-to-video 任务，据作者描述，通过稀疏化、蒸馏和量化三种技术的结合，将基于扩散 Transformer 的视频生成速度提升 265 倍。

功能

该工具接收文本描述并生成视频。技术基础是发布在 Hugging Face 上的模型 SparkWan2.1-T2V-1.3B-480P-0.90Sparsity。作者将这一方法描述为通过三种技术的组合来加速视频生成：稀疏化、蒸馏和量化。描述中提到了 0.90 的稀疏度水平和 w8a8 量化格式。

代码使用 Python 编写。仓库标签包括 crossdistill、diffusion-models、distillation、high-sparsity、inference-acceleration、rola、triton 和 video-generation。

运行要求

据作者描述，运行需要 Linux 系统和支持 CUDA 的图形处理器。Python 版本为 3.10 或更高。权重文件总大小为 2.6 GB，最大的单个文件也是这个大小。

代码以 Apache-2.0 许可证分发。模型权重同样以 Apache-2.0 许可证发布。该许可证允许对源代码和训练好的模型进行使用、修改和分发。

适用人群

该项目适合从事文本生成视频工作、并寻找以加速推理为重点的开源实现的人。权重公开可用，因此无需自行训练即可运行模型。代码和权重均采用 Apache-2.0 许可证，适用于商业和研究任务，包括嵌入到自己的产品中。

该工具不适合没有命令行和 Python 环境使用经验的用户。要求 Linux 上具备 CUDA 兼容的 GPU，这限制了它在没有独立显卡的机器或其他操作系统上的使用。作者未说明最低显存要求，因此很难事先评估与具体显卡的兼容性。

仓库创建于 2026 年 9 月 18 日，最后一次代码修改是在 2026 年 10 月 5 日。项目很年轻，在撰写本说明时，活跃度集中在很短的时间窗口内。

SparkDiffusion 是一个开源的 text-to-video 实现，具有宣称的推理加速和公开可用的权重。运行需要一台配备 CUDA 兼容 GPU 的 Linux 机器以及 Python 3.10 或更高版本。该项目面向需要开源代码库和 Apache-2.0 许可证模型的开发者和研究人员。