• ホーム

SD15_Standard_Speed 高速化可能か？

このワークフローでは、LCM（Latent Consistency Model）による高速化の要素が複数組み合わさっています。

順を追って特徴を整理します。

1. LCM LoRA（SD15LCM_LoRA_Weights_SD15.safetensors）
   • 役割：通常のSD1.5モデルに、LCM推論特性（高速収束・少ステップ生成）を追加するための軽量学習ファイル。
   • 特徴：
   • LoRAは追加の重みとして機能し、ベースモデルをLCM化。
   • LoRA強度を調整することで、標準的な生成とLCM的高速生成のバランスが取れる。
   • 元のDreamshaper等のスタイルを保持しつつ、少ステップで高品質を狙える。
2. ModelSamplingDiscrete
• 役割：`sampler` の種類を内部的に切り替える設定ノードで、LCM対応の離散サンプリング方法を指定。
• 特徴：
• LCMは少ないステップで収束するため、離散的（Discrete）なステップスケジューリングが有効。
• LCMに合わせたステップ間隔で生成が進むため、8〜12ステップでも高品質。
• 通常のEulerやDPM系よりも少ステップ性能を重視。
3. LCM系Checkpoint（例: SD15LCM_Dreamshaper_V7_4k.safetensors）
   • 役割：LCMで事前学習されたベースモデル。
   • 特徴：
     • 通常のStable Diffusionよりも「高速収束」に特化した重みを持つ。
     • 10ステップ以下での出力最適化済み。
     • 高速化は主に「潜在空間の更新回数削減」によって達成される。
4. KSampler設定（LCMモード）
• 特徴的な設定：
  • sampler_name = lcm（またはLCM互換スケジューラ）
  • steps = 8（高速化の要。LCMでなければ品質が崩れる）
  • cfg = 1.4（低CFGでも破綻しにくいのがLCMの利点）
  • scheduler = sgm_uniform（一様分布でステップ進行、LCMの効率性と相性良し）
  • denoise = 1.0（全潜在を再生成するのでブレ少ない）
5. 高速化の総合的な特徴
• 従来SD1.5
• 20〜30ステップ必要
• 高CFG値が必要
• 生成時間が長い
• LCM適用後
• 4〜8ステップ程度でも十分な品質
• 低CFGでも安定
• 生成時間が大幅短縮（2〜4倍高速）
• 少ステップでも構図・ディテールが崩れにくい

Workflow

SD15_Standard_Speed.json

models

LCM_Dreamshaper_v7

LCM_LoRA_weights_sd15.safetensors

感想

Speed何やかんやという前に、

正直なところ、画風が変わってしまい、自然派の小生としては、苦手なnodeであります。

調整がとても難しいなと感じます。

Link