传统的双向扩散模型（顶部）可提供高质量的输出，但存在显著的延迟，需要219秒才能生成128帧的视频。用户必须等待整个序列完成才能查看任何结果。相比之下CausVid将双向扩散模型提炼为几步自回归生成器（底部），大大降低了计算开销。CausVid的初始延迟仅为1.3秒，之后以大约9.4FPS的速