TurboDiffusion 部署教程：从源码编译到 WebUI 访问完整流程
1. TurboDiffusion 是什么
TurboDiffusion 是由清华大学、生数科技与加州大学伯克利分校联合研发的视频生成加速框架。它不是简单地调用已有模型，而是通过一系列底层技术创新，真正把'秒级生成'从口号变成现实。
你可能听说过 Wan2.1 和 Wan2.2——它们是当前开源社区最活跃的视频生成基础模型。而 TurboDiffusion 正是基于 Wan2.1 和 Wan2.2 深度优化的二次开发成果，由社区开发者完成 WebUI 封装与工程化落地。它不是 Demo，不是实验品，而是已预装、已调优的生产级工具。
核心突破在于三项关键技术：
- SageAttention：一种稀疏注意力机制，跳过大量冗余计算，让显卡算力真正花在刀刃上
- SLA（稀疏线性注意力）：在保持视觉质量的前提下，将注意力计算复杂度从 O(N²) 降到接近 O(N)
- rCM（时间步蒸馏）：把原本需要 80 步才能收敛的采样过程，压缩到仅需 1~4 步
效果有多震撼？官方实测数据：在单张 RTX 5090 显卡上，一段原本需 184 秒生成的 4 秒视频，现在只需 1.9 秒完成——提速超 100 倍。这意味着，你输入提示词后端起一杯咖啡的时间，视频已经生成完毕并保存到本地。
更重要的是，这个框架大幅降低了视频生成的技术门槛。你不需要懂 CUDA、不需手动写训练脚本、也不用折腾分布式推理——所有复杂性已被封装进简洁的 Web 界面中。
注意：本文所述环境为已预配置镜像系统，全部模型离线就绪，无需联网下载权重，开机即可使用。
2. 环境准备与一键启动
2.1 硬件与系统要求
TurboDiffusion 对硬件有明确偏好，但并非'只认顶级卡'。我们按实际使用场景划分为三档：
- 入门体验档（12–16GB 显存）：RTX 4080 / RTX 4090
可流畅运行 Wan2.1-1.3B 模型，480p 分辨率，2~4 步采样，适合快速验证创意 - 主力生产档（24GB 显存）：RTX 5090（实测主力机型）
支持 Wan2.1-14B（T2V）与 Wan2.2-A14B（I2V 双模型），720p 输出无压力 - 专业科研档（40GB+ 显存）：H100 / A100
可禁用量化，启用全精度计算，获得理论最高画质
系统层面，镜像基于 Ubuntu 22.04 LTS 构建，内核版本 6.5，已预装：
- Python 3.10.12
- PyTorch 2.8.0+cu121（专为 RTX 5090 优化）
- xformers 0.0.27（启用 Flash Attention 2）
- SpargeAttn（SageSLA 依赖库）
无需你手动安装任何依赖——所有组件已在镜像中完成兼容性验证与性能调优。
2.2 启动 WebUI 的三种方式
你不需要记住命令行，但了解底层逻辑有助于排障。以下是三种等效启动方式，推荐按顺序尝试：
方式一：桌面快捷图标（最简单）
- 桌面找到【webui】图标 → 双击启动
- 等待终端窗口弹出，显示类似
Running on http://127.0.0.1:7860的地址 - 复制地址，在浏览器中打开（推荐 Chrome 或 Edge）
方式二：终端命令（推荐掌握）
cd /root/TurboDiffusion; export PYTHONPATH=turbodiffusion; python webui/app.py --port 7860 --listen
--port 7860：指定 WebUI 端口（可改为其他未占用端口）- ：允许局域网内其他设备访问（如手机、平板）
