**SANA-Streaming：基于混合扩散变换器的实时流媒体视频编辑**

_SANA-Streaming: Real-time Streaming Video Editing with Hybrid Diffusion Transformer_

> SANA-Streaming是一个系统-算法协同设计的框架，用于在消费级GPU上实现高分辨率、实时的流媒体视频编辑。它采用混合扩散变换器架构，通过部分块中的softmax注意力增强局部建模能力，同时保持线性层的效率。提出了一种循环反向正则化训练策略，通过流匹配从生成内容预测源帧来强制语义一致性。还结合了融合GDN内核和针对NVIDIA Blackwell架构优化的混合精度量化，在单张RTX 5090上实现1280x704分辨率24 FPS的实时编辑，DiT核心达58 FPS。实验表明，该协同设计方法在时间一致性和系统吞吐量上显著优于现有方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.30409)