今天我们将介绍一项令人振奋的新技术，通过使用Aur，你可以显著加速任何稳定扩散1.5SDXL或SSD1B的生成过程。（视频可点此观看）
Aur发布的新技术涉及LCM（Laura Configuration Models）的创新，为稳定扩散和SDXL提供了更快的生成速度。通过LCM过程对模型进行蒸馏，他们成功将生成速度从1390秒(在之前的7秒内)降低到仅需1秒，让Mac上的速度提高了10倍。
在新发布的LCM Laura中，我们可以看到他们在SDXL一代中进行快速推理。他们分享了扩散器代码的部分，通过这个过程中的8个步骤，成功取代了之前需要执行的50、25甚至10个步骤。值得注意的是，在这里有一小段关于指导尺度的文字，建议使用尺度为1以有效禁用它，特别是对于大多数提示而言，这是最快的方法。
LCM调度程序在auto1111和ComfyUI中表现出色。通过使用ComfyUI，您可以轻松下载SDXL检查点，使用LCM Laura配置，选择合适的采样器和指导比例，即可生成高质量的图像。在示例中，作者使用了UNI PC和LCM采样器，演示了使用四个步骤和1.8的指导比例时的性能。
在Auto1111中使用Aur技术的方式非常简单。基本上，您只需选择一个采样器，我建议使用DPM Plus+ SD Caris，并按比例缩小。如果您在使用SD Caris采样器时达到两个步骤，然后再次尝试四个步骤，您可以显著提高性能。按照提示，这样做更为有效。因此，在ComfyUI和Auto1111中都成功完成了四个步骤。
对于SDXL的处理，回到ComfyUI，加载SDXL检查点，并选择SDXL LCM Laura配置。确保将此采样器的名称更改为LCM，并将指导比例保持在1.8。建议比较两个图像的输出，特别关注画面的亮度和对比度。开箱即用的指导比例为1.5，尽管性能会下降到1或1.1，但仍然关注亚秒级生成。在增加步数到6后，每秒3.7次迭代，即1秒内有4个步骤。这与使用带有SDXL的普通Oiler采样器的速度相当。通过增加指导比例到1.8左右，您可以在第一张图像中获得更多清晰度。作者更喜欢1.6左右的指导比例，因为相比于一路上升到2.4，这样的比例更为理想。不幸的是，尝试使用其他采样器，如uni PC和uni PC bh2，似乎并未如期望那样自动工作。
在总体性能方面，使用LCM版本几乎每秒九次迭代，具有四个步骤，而速度下降到每秒六次迭代。这意味着如果速度足够快，可以一直增加到八个步骤，可能仍然保持在subc的水平。生成时间不到1秒，即每秒九次迭代，对于生成1024×1024的SDXL图像非常令人满意。作者还尝试了与DM一起使用Oiler，尝试提高指导尺度，虽然生成的图像是卡通风格，但似乎有起作用。
使用LCM配置生成的图像，其生成速度足够快，可以制作人工智能生成的视频。尽管生成的质量不是最佳，但在每秒17帧的速度下，生成60帧只需17秒。这证明LCM技术与Aur的其他配置兼容，确实为用户提供了快速而高效的深度学习模型生成体验。
总的来说，Aur的LCM技术为稳定扩散和SDXL的生成速度提供了显著的提升。无论是在ComfyUI中还是在auto1111中，使用LCM Laura配置和适当的采样器，用户都能够轻松实现高质量、高速的深度学习模型生成。这是对Aur技术的一次令人印象深刻的探索，为用户提供了更快、更高效的生成体验。
