官方模板 多参考 20 steps
官方 Ref2V 模板（多参考控制）
把图、视频、音频分别指定角色（身份/风格/动作/音色），按六段式提示词结构组织；适合角色一致性与运镜复刻。
怎么用
- 1 模板库选择 Reference to Video
- 2 先给每个参考资产定义角色（label + 作用），再描述目标时间轴
- 3 音频不能作为唯一输入，必须有画面资产配合
多参考会占用更多显存/内存（编码器压力更大），低配卡建议先把参考数量压到 1-2 个。
代表显卡耗时
864 × 480 · 8 秒 · 32GB 内存 / fast-disk 估算；点显卡名看完整矩阵。
| 显卡 | 显存 | 状态 | 每条耗时 | 显存峰值 |
|---|---|---|---|---|
| RTX 4060 8GB | 8GB | 偏慢 | 12 分 30 秒 | 7G |
| RTX 3060 12GB | 12GB | 流畅 | 11 分 51 秒 | 11G |
| RTX 4070 12GB | 12GB | 流畅 | 6 分 49 秒 | 11G |
| RTX 4070 Ti Super 16GB | 16GB | 流畅 | 4 分 56 秒 | 15G |
| RTX 4080 Super 16GB | 16GB | 流畅 | 4 分 23 秒 | 15G |
| RTX 4090 24GB | 24GB | 流畅 | 3 分 7 秒 | 23G |
| RTX 5090 32GB | 32GB | 流畅 | 2 分 13 秒 | 26G |
| RTX PRO 6000 Blackwell 96GB | 96GB | 流畅 | 2 分 4 秒 | 47G |
1344×768 · 5s：收录的 49 张卡里 46 张可行，最低约 6GB 显存。
常见问题
这套方案最低什么显卡能跑？
按本站估算，1344×768 · 5s 约需 6GB 以上显存（收录的 49 张卡里 46 张可行）；736×416 短片段要求更低。
还能和什么叠加？
步数蒸馏只能选一个；注意力后端（Sage/Kitchen/SLA/VSA）与缓存可叠加，具体见冲突表与加速横评文章。