🧪 H3 ref2va: SageAttention ON vs OFF 对比
相同参数: 141帧, 15步, seed=42, 1344×768, cfg=1.0, shift_video=12.0, shift_audio=3.0, 3张参考图
核心结论：速度提升 36%（56s→36s/步），运动/音频特征一致，像素级输出不同（有损注意力预期行为）
⏱️ 速度对比
| 指标 | Baseline (SageAttn OFF) | SageAttention ON | 变化 |
|---|
| 每步耗时 | ~56s | ~36s | -36% ⚡ |
| 采样总耗时(15步) | ~840s | ~540s | -300s |
| 端到端总耗时 | ~14分钟 | ~10分钟 | -29% |
| GPU 利用率 | 100% | 100% | 持平 |
🎬 视频对比（带音频）
👇 左: Baseline (56s/步) | 右: SageAttention (36s/步) — 相同 seed=42
📊 画质对比 (像素级)
| 指标 | 结论 | 数据 |
|---|
| 分辨率/帧数 | 完全一致 | 1344×768, 141帧, VP9 |
| 帧间运动量 | 几乎相同 | Baseline: 16.64 vs SageAttn: 16.85 |
| 帧间运动 std | 几乎相同 | 3.76 vs 3.81 |
| PSNR (两版差异) | 14.4-14.9 dB | 像素级差异显著 → 内容不同 |
| 像素变化率 | 50-58% | 半数像素有 >10 的色阶变化 |
🖼️ 帧对比 (左: Baseline OFF / 右: SageAttention ON)
首帧 (frame 0)
Baseline (56s/步)
SageAttention (36s/步)
中间帧 (frame 70)
Baseline (56s/步)
SageAttention (36s/步)
尾帧 (frame 140)
Baseline (56s/步)
SageAttention (36s/步)
🎵 音频对比
| 指标 | Baseline | SageAttention |
|---|
| RMS | -14.0 dB | -14.0 dB |
| Peak | -0.3 dB | -0.8 dB |
| 采样率 | 32000 Hz | 32000 Hz |
| 声道 | 2 (stereo) | 2 (stereo) |
📋 总结
| 维度 | 评价 |
|---|
| 速度提升 | ✅ 显著: 56s→36s/步 (-36%) |
| 运动一致性 | ➡️ 运动幅度/节奏几乎一致 |
| 画面质量 | ⚠️ 像素级差异显著(PSNR~14dB)，SageAttention 是有损近似，相同 seed 输出不同画面为预期行为 |
| 音频质量 | ➡️ RMS/格式一致 |