teacache加速，teacache_rel_l1_thresh值越大，速度越快，但质量会有所降低
teacache_rel_l1_thresh是一个相对 L1 距离的阈值：
- 在每一步采样时，模型会判断当前输入和上一步缓存的差异（L1 loss）
- 如果差异 小于这个阈值，说明变化不大 ⇒ 可以直接用缓存跳过当前计算
- 阈值越大，就越容易满足“差异小”这个条件 ⇒ 跳得越多，速度越快
teacache_rel_l1_thresh=0.1
teacache_rel_l1_thresh=0.15
teacache_rel_l1_thresh=0.25
teacache_rel_l1_thresh值越大，速度更快了,左边teacache_rel_l1_thresh=0.1，中间0.15，右边0.25，0.1时还有眨眼的动作
teacache_rel_l1_thresh=0.1的细节更多，比如衣服的褶皱细节
左边guidance_scale=1，中间guidance_scale=5，右边guidance_scale=10。
- 高值：强制生成内容贴近 image_embeds 的视觉特征（如参考图风格），但可能降低动态多样性。
- 低值：允许更多随机性，适合创意性变化，但可能减弱帧间连贯性。
shift 控制的是“AI 要多自由地重新开始想象这个视频”。
- shift = 0：像导演严格照剧本拍，女孩从头自然跑，动作连贯。
- shift = 50：导演说“中段自由发挥一下”，结果视频像是从中间插入的一段。
- shift = 100：导演放飞了，AI 随便开场，结果女孩可能一开始发呆、闪现、乱动，全靠 AI 自编自导。
在这个场景中，左边（shift=0）和中间（shift=10）的画面中，女孩的奔跑依然保持从左到右的自然连贯感，动作顺畅，具备明显的时间推进逻辑。
但到了右边（shift=20），女孩的动作更像是在原地踏步，缺乏方向性的移动，整体时间感变得模糊。而背景中的海水细节也明显减少，原本有层次的波浪被简化成一条模糊的线条，视觉复杂度下降。
latent_window_size决定了在生成视频 latent（潜变量）时，每个时间帧可以“看到”前后多少帧的上下文信息。值越大，则可以提供更多时序上下文信息，提升视频的连贯性。左边latent_window_size=5，中间latent_window_size=9，右边latent_window_size=12，latent_window_size=5时可以明显的看出人物动作不连贯。
gpu_memory_preservation 用于预留一定的 GPU 内存，以确保有足够的内存来解码生成的视频。如果预留的内存越少，可以将更多的 GPU 内存分配给视频采样，从而减少采样时间。然而，预留内存过少可能导致解码时显存不足，从而引发错误。
gpu_memory_preservation =4
gpu_memory_preservation=6
unipc_bh1：使用简单的线性时间步长调整。 B_h = hh
unipc_bh2：使用指数增长的时间步长调整。 B_h = torch.expm1(hh)
如果目标是平稳、自然的过渡，unipc_bh1是更好的选择；如果需要更为复杂和动态的表现，unipc_bh2可能会带来更好的效果。
