We hebben allemaal de frustratie ervaren: je typt een briljante prompt in een AI-videogenerator en wacht vervolgens een eeuwigheid tot de beelden verschijnen. Voorheen kostte een simpele clip van vijf seconden vaak minuten, soms zelfs uren. Maar nu hebben Chinese onderzoekers mogelijk de snelheidsbarrière doorbroken. Ik zag de eerste resultaten en het is bijna ongelooflijk hoe snel het nu écht kan.
Wat je hier leest, is geen marketingpraat; het is een fundamentele technische sprong die de manier waarop we AI-content zien en gebruiken, gaat veranderen. Als je in Nederland werkt met visuele marketing, social media of zelfs gewoon probeert snelle concepten te visualiseren, moet je weten wat er gaande is met TurboDiffusion.
Waarom jouw wachttijd plotseling stopt
Laten we eerlijk zijn: tot voor kort was de traagheid de grootste klap voor AI-video. Modellen als OpenAI’s Sora produceerden kwaliteit, maar het was productie op de lange baan. De teams van Tsinghua University en Shengshu Technology hebben nu iets ontwikkeld dat dat hele proces fundamenteel anders aanpakt.
Ik heb de cijfers bekeken, en ze zijn de moeite waard om stil te staan:
- Een standaard 5-seconden video die normaal meer dan 3 minuten duurde, is nu klaar in 1,9 seconde (bijna 100x sneller) op gangbare hardware.
- Zelfs hogere resolutie clips, waar je voorheen 80 minuten voor zat te wachten, zijn nu klaar in 24 seconden. Dat is een versnelling van 200 keer.
De 'Spons-aanpak': Hoe ze de snelheid bereikten
Dit gaat niet over het simpelweg sneller laten draaien van de GPU. De truc zit in hoe het AI-model leert focussen. Veel mensen denken dat de AI alle data tegelijk verwerkt, maar dat blijkt inefficiënt.
De nieuwe methode, die zij intermittent linear attention noemen, werkt een beetje als een filter dat je gebruikt bij het gieten van beton. In plaats van de hele massa tegelijkertijd te analyseren, richt de AI zich alleen op de belangrijkste stukjes data op specifieke momenten. Hierdoor wordt de rekenkracht enorm verminderd.
Wat dit betekent voor jou in de praktijk
Veel contentmakers in Nederland, vooral de MKB’ers en freelancers, zagen AI-video als iets te traag voor snelle campagnes. Een campagne met een deadline op maandag? Je kon niet wachten tot maandagmiddag op de beelden. Dit verandert dat.
Hier is de praktische waarde van deze snelheidsslag:
- Realtime feedback: Je kunt nu tijdens een brainstormsessie direct een visualisatie genereren om je klant te overtuigen, in plaats van een dag later te mailen.
- Kostenreductie: Snellere verwerking betekent minder dure rekencapaciteit per seconde video. Dit maakt het gebruik van AI-video commercieel veel aantrekkelijker.
- Interactieve toepassingen: Denk aan gepersonaliseerde video’s die on-the-fly worden gecreëerd voor jouw kijkers, iets wat voorheen onmogelijk was vanwege de verwerkingstijd.
Grote spelers als Shengshu, die al eigen tools hebben, introduceren deze versnelling nu al. Dit is geen academisch experiment meer, maar direct inzetbare tooling.
De deuren naar open source staan open
Wat ik echt interessant vind, is dat de onderzoekers deze methode volledig als open source beschikbaar hebben gemaakt via GitHub. Dit betekent twee dingen:
Ten eerste: je hoeft niet te wachten tot die grote techbedrijven hun trage systemen updaten. Ontwikkelaars kunnen de code nu direct integreren in hun eigen tools.
Ten tweede: dit zet een nieuwe standaard. Iedereen die nu een nieuwe videogenerator bouwt, zal deze snelheidsverhogende technieken moeten omarmen om überhaupt competitief te zijn. Die gigantische sprong van minuten naar seconden is een soort digitale grensverschuiving.
Kortom, we gaan van 'filmmaken met AI' naar 'instant visualisatie'. Het is de overgang van wachten op een schilderij naar het direct kunnen afdrukken van een foto. Mijn vraag aan jou is: welk project ga jij eindelijk snel genoeg visualiseren dankzij deze doorbraak?
