Jasonzzt/ComfyUI-CacheDiT

解决的问题

通过加速 Diffusion Transformer (DiT) 模型，减少生成图像和视频所需的时间。解决了这些模型的高计算成本问题，通常可实现 1.4x 到 2.0x 的加速，无需复杂配置。

工作原理

该项目实现了 Transformer 结果的智能缓存。在初始的「预热」阶段，前几步被完整计算后，系统会根据 skip_interval 定义的特定间隔，复用缓存结果，而不是对扩散过程的每一步都重新计算。

对于 MiniMax H3 等特定模型，采用基于残差差异的更高级自适应方法，决定何时复用缓存，确保在音视频联合生成中更好地保持质量。

适用人群

使用 ComfyUI 并处理 DiT 基础图像和视频生成模型（如 Flux.2、WAN2.2、LTX-2 和 MiniMax H3）的用户，希望缩短生成时间。

主要亮点

• 显著提速：在多种模型上实现 1.4x 到 2.0x 的加速。
• 零配置：包含「Auto」预设，可自动检测模型并应用最佳设置。
• 广泛模型支持：已验证支持 Z-Image、Qwen-Image、Flux.2 Klein、MiniMax H3、LTX-2 和 WAN2.2 14B 等多种模型。
• 动态控制：提供高级节点，可精细调整缓存行为（如残差阈值和预热步数），适用于特定工作流。