本文介绍CalibAtt，一种无需训练的加速文本到视频生成方法。它通过离线校准识别注意力中的稀疏和重复模式，在推理时跳过不重要的token连接，实现硬件高效计算。实验表明，在Wan 2.1等模型上，CalibAtt可提升端到端速度达1.58倍，同时保持视频质量和文本对齐。