Jasonzzt/ComfyUI-CacheDiT

解決的問題

透過加速 Diffusion Transformer (DiT) 模型，減少生成圖像與影片所需的時間。解決這些模型的高運算成本問題，通常可實現 1.4x 到 2.0x 的加速，無需複雜設定。

工作原理

本專案實作 Transformer 結果的智慧快取。在初始的「預熱」階段，前幾步被完整計算後，系統會根據 skip_interval 定義的特定間隔，複用快取結果，而非對擴散過程的每一步都重新計算。

對於 MiniMax H3 等特定模型，採用基於殘差差異的更進階自適應方法，決定何時複用快取，確保在音訊與影片聯合生成中更佳的品質保留。

適用對象

使用 ComfyUI 並處理 DiT 基礎圖像與影片生成模型（如 Flux.2、WAN2.2、LTX-2 和 MiniMax H3）的使用者，希望縮短生成時間。

主要亮點

• 顯著提速：在多種模型上實現 1.4x 到 2.0x 的加速。
• 零設定：包含「Auto」預設，可自動偵測模型並套用最佳設定。
• 廣泛模型支援：已驗證支援 Z-Image、Qwen-Image、Flux.2 Klein、MiniMax H3、LTX-2 和 WAN2.2 14B 等多種模型。
• 動態控制：提供高階節點，可細調快取行為（如殘差閾值與預熱步數），適用於特定工作流程。