271 lines
11 KiB
Markdown
271 lines
11 KiB
Markdown
# AstrAI Promo — 动画渲染 & 视频制作指南
|
||
|
||
Manim 驱动的技术动画，用于 AstrAI 宣传视频。
|
||
目标时长：**2-3 分钟**
|
||
|
||
---
|
||
|
||
## 目录
|
||
|
||
1. [项目定位与核心卖点](#1-项目定位与核心卖点)
|
||
2. [技术架构速览](#2-技术架构速览)
|
||
3. [渲染指南](#3-渲染指南)
|
||
4. [场景清单](#4-场景清单)
|
||
5. [分镜脚本](#5-分镜脚本)
|
||
6. [旁白文案草稿](#6-旁白文案草稿)
|
||
7. [素材清单](#7-素材清单)
|
||
|
||
---
|
||
|
||
## 1. 项目定位与核心卖点
|
||
|
||
**一句话定位：**
|
||
> 一个能在单张消费级 GPU 上训练和推理的 1B 参数中英双语语言模型框架。
|
||
|
||
**核心卖点（视频中需突出）：**
|
||
|
||
| 卖点 | 说明 | 视觉表达 |
|
||
|------|------|---------|
|
||
| **单卡可跑** | 1B 参数，RTX 3090/4090 即可运行 | 巨大服务器集群 vs 单张显卡对比 |
|
||
| **连续批处理** | 动态合并请求，吞吐量 3x+ | 任务流经 Cleanup→Refill→Prefill→Decode 动画 |
|
||
| **分页 KV 缓存** | 固定大小页表 + O(1) 分配，按需扩容 | 页表分配与写入动画 |
|
||
| **OpenAI 兼容 API** | 一行代码切换 | curl 命令对比 |
|
||
| **流式输出** | 逐 token 返回，低首延迟 | 终端逐字喷出效果 |
|
||
| **全过程开源** | 训练+推理+权重全部开源 | GitHub 页面展示 |
|
||
|
||
---
|
||
|
||
## 2. 技术架构速览
|
||
|
||
### 整体架构
|
||
|
||
```
|
||
┌──────────────────────────────────────────────────┐
|
||
│ FastAPI Server (OpenAI-Compatible API) │
|
||
├──────────────────────────────────────────────────┤
|
||
│ InferenceEngine (Streaming + Async + Batch) │
|
||
├──────────────────────────────────────────────────┤
|
||
│ Continuous Batching Scheduler │
|
||
│ ┌────────┐ ┌──────┐ ┌────────┐ ┌────────┐ │
|
||
│ │Cleanup │→ │Refill│→ │Prefill │→ │ Decode │ │
|
||
│ └────────┘ └──────┘ └────────┘ └────────┘ │
|
||
├──────────────────────────────────────────────────┤
|
||
│ Paged KV Cache (Page Table + Page Pool) │
|
||
├──────────────────────────────────────────────────┤
|
||
│ Transformer (24层 GQA, RoPE, SwiGLU) │
|
||
└──────────────────────────────────────────────────┘
|
||
```
|
||
|
||
### 关键技术指标
|
||
|
||
| 指标 | 值 |
|
||
|------|------|
|
||
| 参数量 | ~1.0B |
|
||
| 词表大小 | 100,000（中英 BPE） |
|
||
| 层数 | 24 |
|
||
| 注意力头 | 24 Q-heads / 4 KV-heads（GQA） |
|
||
| 最大长度 | 2048 tokens |
|
||
| 精度 | bfloat16 |
|
||
| 最低显存 | ~6GB（推理）/~12GB（训练） |
|
||
|
||
---
|
||
|
||
## 3. 渲染指南
|
||
|
||
依赖 conda 环境 `manim`：
|
||
|
||
```bash
|
||
conda run -n manim python -m pip install manim
|
||
```
|
||
|
||
### 渲染全部（并行）
|
||
|
||
```bash
|
||
conda run -n manim python render_all.py # 1080p
|
||
conda run -n manim python render_all.py -ql # 480p draft
|
||
conda run -n manim python render_all.py -4k # 4K
|
||
```
|
||
|
||
### 渲染单个场景
|
||
|
||
```bash
|
||
conda run -n manim python -m manim transformer.py Transformer -qh
|
||
```
|
||
|
||
输出到 `output/videos/`，`.mp4` 可直接导入剪辑软件。
|
||
|
||
### 中文字体
|
||
|
||
所有 `Text` 对象创建前需设置：
|
||
|
||
```python
|
||
Text.set_default(font="Microsoft YaHei")
|
||
```
|
||
|
||
详细命令参考 `AGENTS.md`。
|
||
|
||
---
|
||
|
||
## 4. 场景清单
|
||
|
||
| 文件 | Scene class | 内容 | 建议时长 |
|
||
|------|-------------|------|---------|
|
||
| `transformer.py` | `Transformer` | GQA 注意力机制 (Q/K/V→RoPE→Attention→O) + 规格卡 | ~35s |
|
||
| `continuous_batching.py` | `ContinuousBatching` | 4 阶段流水线 + 吞吐对比 (1.0x vs 3.4x) | ~30s |
|
||
| `paged_cache.py` | `PrefixCache` | 分页 KV 缓存：页表分配、按需扩容、回收 | ~30s |
|
||
| `architecture.py` | `Architecture` | 全栈架构：HTTP API → Engine → Paged Cache → Transformer | ~25s |
|
||
| `cta.py` | `CTA` | 结尾卡片："AstrAI — Single GPU, Open Source, 1B params" | ~3s |
|
||
|
||
---
|
||
|
||
## 5. 分镜脚本
|
||
|
||
总时长 **2:30**，分为 6 个段落。
|
||
|
||
### Segment 1：Hook + 问题陈述（0:00 - 0:20）
|
||
|
||
| 镜头 | 画面 | 旁白 | 时长 |
|
||
|------|------|------|------|
|
||
| 1.1 | 黑屏，逐字打出"大语言模型很强大" | "大语言模型很强大——" | 3s |
|
||
| 1.2 | 切到数据中心照片 / 巨大 GPU 集群 | "——但跑起来需要几十张 GPU，普通人根本碰不到。" | 5s |
|
||
| 1.3 | 画面分屏：左边集群，右边一张 RTX 4090 | "但如果我告诉你，只要一张显卡就够了呢？" | 5s |
|
||
| 1.4 | Logo 出现：**AstrAI**，下方副标题 "1B 参数单卡推理框架" | "AstrAI——单卡跑大模型。" | 7s |
|
||
|
||
**视觉素材**：数据中心图片、RTX 4090 产品图、Logo 动画
|
||
|
||
---
|
||
|
||
### Segment 2：模型架构速览（0:20 - 0:45）
|
||
|
||
| 镜头 | 画面 | 旁白 | 时长 |
|
||
|------|------|------|------|
|
||
| 2.1 | Transformer 架构图逐层展开：embed → 24层 decoder → norm → head | "1B 参数，24 层 Transformer，100k 词表的中英 BPE 分词器。" | 8s |
|
||
| 2.2 | 高亮 GQA：24个 Q head 映射到 4个 KV head | "GQA 分组查询注意力——24 个查询头只对应 4 个 KV 头，KV 缓存直接减少 83%。" | 10s |
|
||
| 2.3 | RoPE 旋转变换可视化 | "RoPE 旋转位置编码，支持动态长度外推。" | 5s |
|
||
| 2.4 | fade 到模型 card：vocab=100k, dim=1536, layers=24, heads=24, kv_heads=4 | 静默 | 2s |
|
||
|
||
**视觉素材**：`transformer.py` 动画、模型参数 card
|
||
|
||
---
|
||
|
||
### Segment 3：连续批处理（0:45 - 1:20）
|
||
|
||
| 镜头 | 画面 | 旁白 | 时长 |
|
||
|------|------|------|------|
|
||
| 3.1 | 3 个请求同时到达服务器 | "当多个请求同时到达时——" | 3s |
|
||
| 3.2 | 静态批处理对比：最长补齐，3个请求串行 → 总耗时 max_len × 3 | "传统做法是静态批处理，把请求补齐到相同长度，串行处理，GPU 利用率低下。" | 8s |
|
||
| 3.3 | 连续批处理动画：任务流入 Waiting Queue → Cleanup → Refill → Prefill → Decode | "AstrAI 采用连续批处理：任务动态进出，GPU 每一刻都在满负荷运转。" | 10s |
|
||
| 3.4 | 放大 Decode 阶段：同一位置的任务合并成一批 | "特别地，只有处于相同 KV 缓存位置的任务才一起解码，从根本上避免了 RoPE 位置错乱的问题。" | 8s |
|
||
| 3.5 | 吞吐对比柱状图：Static Batch vs Continuous Batching (3x+) | "实测吞吐量提升 3 倍以上。" | 6s |
|
||
|
||
**视觉素材**：`continuous_batching.py` 动画、对比图表
|
||
|
||
---
|
||
|
||
### Segment 4：分页 KV 缓存（1:20 - 1:50）
|
||
|
||
| 镜头 | 画面 | 旁白 | 时长 |
|
||
|------|------|------|------|
|
||
| 4.1 | 展示 KV 缓存是一个固定大小的张量，被划分为多个相同大小的 page | "KV 缓存不再按请求预分配——而是划分为固定大小的页。" | 5s |
|
||
| 4.2 | 请求 A 到来，通过页表分配 2 个物理页，写入数据 | "请求到达时，通过页表分配物理页，按需写入。" | 7s |
|
||
| 4.3 | 请求 B 到来，分配新页，展示页表将逻辑位置映射到不同物理页 | "页表机制让逻辑位置和物理存储解耦——不同请求的页可以分散排列。" | 8s |
|
||
| 4.4 | Decode 阶段，请求继续生成 token，展示按需分配新页（_maybe_alloc_page） | "生成过程中如果当前页写满，自动追加新页——按需扩容，不浪费显存。" | 7s |
|
||
| 4.5 | 请求结束时展示页面回收（bitmask 置位） | "请求结束后，页面通过 O(1) 位掩码回收，即刻复用。" | 3s |
|
||
|
||
**视觉素材**：`paged_cache.py` 动画、页表分配示意
|
||
|
||
---
|
||
|
||
### Segment 5：Demo 演示（1:50 - 2:15）
|
||
|
||
| 镜头 | 画面 | 旁白 | 时长 |
|
||
|------|------|------|------|
|
||
| 5.1 | 侧录终端：启动 stream_chat.py，逐行输出对话 | "来实际看看效果。" | 10s |
|
||
| 5.2 | 多轮对话：中文问答，逐 token 喷出 | 静默 + 打字音效 | 8s |
|
||
| 5.3 | 切到 HTTP 模式：服务端 + curl 请求，流式返回 | "也提供 OpenAI 兼容的 HTTP API，一行 curl 就能调用。" | 7s |
|
||
|
||
**视觉素材**：终端录屏（OBS 录制）
|
||
|
||
---
|
||
|
||
### Segment 6：收尾 + CTA（2:15 - 2:30）
|
||
|
||
| 镜头 | 画面 | 旁白 | 时长 |
|
||
|------|------|------|------|
|
||
| 6.1 | 全栈流程回顾（缩略架构图） | "训练用 SEQ → SFT → DPO/GRPO，推理用连续批处理——" | 5s |
|
||
| 6.2 | GitHub 页面 + Star 引导 | "——全部开源。点个 Star，一起让大模型更普惠。" | 7s |
|
||
| 6.3 | Logo + URL + "Open Source • Single GPU" | 静默 | 3s |
|
||
|
||
**视觉素材**：GitHub 页面录屏、Logo 定版
|
||
|
||
---
|
||
|
||
## 6. 旁白文案草稿
|
||
|
||
### 中文版（完整 2:30）
|
||
|
||
```
|
||
[00:00] 大语言模型很强大——
|
||
[00:03] 但跑起来需要几十张 GPU，普通人根本碰不到。
|
||
[00:08] 但如果我告诉你，只要一张显卡就够了呢？
|
||
[00:13] AstrAI——单卡跑大模型。
|
||
|
||
[00:20] 1B 参数，24 层 Transformer，100k 词表的中英 BPE 分词器。
|
||
[00:28] GQA 分组查询注意力——24 个查询头只对应 4 个 KV 头，KV 缓存直接减少 83%。
|
||
[00:38] RoPE 旋转位置编码，支持动态长度外推。
|
||
|
||
[00:45] 当多个请求同时到达时——
|
||
[00:48] 传统做法是静态批处理，把请求补齐到相同长度串行处理，GPU 利用率低下。
|
||
[00:56] AstrAI 采用连续批处理：任务动态进出，GPU 每一刻都在满负荷运转。
|
||
[01:06] 只有处于相同 KV 缓存位置的任务才一起解码，从根本上避免 RoPE 位置错乱。
|
||
[01:14] 实测吞吐量提升 3 倍以上。
|
||
|
||
[01:20] 传统 KV 缓存预分配整段显存，浪费严重。
|
||
[01:25] AstrAI 采用分页 KV 缓存——固定大小的页，通过页表间接寻址，按需分配。
|
||
[01:33] 生成过程中页写满了自动追加，请求结束后 O(1) 回收。
|
||
[01:40] 显存利用率大幅提升，支持更多并发请求。
|
||
|
||
[01:50] 来实际看看效果。
|
||
[01:52] （现场演示部分，自由发挥）
|
||
|
||
[02:15] 训练到推理，全流程开源，点个 Star，一起让大模型更普惠。
|
||
[02:25] AstrAI — Open Source, Single GPU.
|
||
```
|
||
|
||
---
|
||
|
||
## 7. 素材清单
|
||
|
||
### 视频素材
|
||
|
||
| 素材 | 来源 |
|
||
|------|------|
|
||
| 数据中心 / GPU 集群图片 | Pexels / Unsplash 免版权 |
|
||
| RTX 4090 产品图 | NVIDIA 官网 / 实物拍摄 |
|
||
| AstrAI Logo | 需设计 |
|
||
| 终端录屏 | OBS 录制 AstrAI demo 脚本 |
|
||
| GitHub 页面 | 浏览器录屏 |
|
||
| Transformer 架构动画 | Manim 渲染 `transformer.py` |
|
||
| 连续批处理动画 | Manim 渲染 `continuous_batching.py` |
|
||
| 分页缓存动画 | Manim 渲染 `paged_cache.py` |
|
||
| 全栈架构动画 | Manim 渲染 `architecture.py` |
|
||
| 结尾卡片 | Manim 渲染 `cta.py` |
|
||
|
||
### 音频素材
|
||
|
||
| 素材 | 建议 |
|
||
|------|------|
|
||
| 旁白 | USB 麦克风录制，中文普通话 |
|
||
| 背景音乐 | Epidemic Sound / YouTube Audio Library 搜索 "technology ambient" |
|
||
| 音效 | 打字音效、转场 swoosh |
|
||
|
||
### 软件工具
|
||
|
||
| 用途 | 推荐工具 | 价格 |
|
||
|------|---------|------|
|
||
| 录屏 | OBS Studio | 免费 |
|
||
| 剪辑 | DaVinci Resolve | 免费 |
|
||
| 动画渲染 | Manim（conda 环境 `manim`） | 免费 |
|
||
| 音频处理 | Audacity | 免费 |
|
||
| 字幕 | DaVinci Resolve 内建 / Aegisub | 免费 |
|