TCD

少步采样，快速出图，扩散模型提速神器

TCD（Trajectory Consistency Distillation）是一个用于加速扩散模型采样的训练方法，源自同名论文。它通过沿概率流轨迹进行一致性蒸馏，让模型在更少的采样步数内生成高质量图像，解决了扩散模型推理速度慢的问题。核心能力包括：支持文本到图像生成、与Stable Diffusion等预训练模型兼容、提供多种蒸馏策略（如TCD-BP和TCD-TA）。项目提供训练和推理代码，可用于复现论文结果并加速现有扩散模型的采样。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 361
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队jabir-zheng
所属国家
官网地址https://mhh0318.github.io/tcd
GitHubhttps://github.com/jabir-zheng/TCD
定价模式free
价格说明开源项目，完全免费，需自行部署使用。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型consistency-models,diffusion,fast-sampling,score-based-models,stable-diffusion,text-to-image
GitHub 星标★ 361
30天Star增速
HF 下载量
上线时间2024-02-29 00:00:00
最近更新2026-09-14 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 采样步数可降至1-4步，大幅提升推理速度
  • 支持与Stable Diffusion等主流模型集成，实用性强
  • 提供多种蒸馏策略，适应不同场景需求

不足之处

  • 文档/社区待观察
  • 训练过程需要较大计算资源，对普通用户门槛较高

适用场景

  • 加速Stable Diffusion的文本到图像生成
  • 实时或交互式图像生成应用
  • 资源受限环境下的扩散模型部署

替代项目

Consistency Models、Latent Consistency Models (LCM)、Progressive Distillation

项目介绍

TCD 是模型训练领域的开源项目，由 jabir-zheng 开发，2024 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 361。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-14。完全免费，需自行部署使用。

它主要面向的使用场景是：加速StableDiffusion的文本到图像生成。同类可对比的替代方案包括 Consistency Models、Latent Consistency Models (LCM)、Progressive Distillation。

上一篇：diffusers-torchao

下一篇：AlignProp

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列，训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性，长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型，练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型，推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13