今天我們將介紹一項令人振奮的新技術，通過使用Aur，你可以顯著加速任何穩定擴散1.5SDXL或SSD1B的生成過程。

　　Aur發布的新技術涉及LCM(Laura Configuration Models)的創新，為穩定擴散和SDXL提供了更快的生成速度。通過LCM過程對模型進行蒸餾，他們成功將生成速度從1390秒(在之前的7秒內)降低到僅需1秒，讓Mac上的速度提高了10倍。

　　在新發布的LCM Laura中，我們可以看到他們在SDXL一代中進行快速推理。他們分享了擴散器代碼的部分，通過這個過程中的8個步驟，成功取代了之前需要執行的50、25甚至10個步驟。值得注意的是，在這里有一小段關于指導尺度的文字，建議使用尺度為1以有效禁用它，特別是對于大多數提示而言，這是最快的方法。

　　LCM調度程序在auto1111和ComfyUI中表現出色。通過使用ComfyUI，您可以輕松下載SDXL檢查點，使用LCM Laura配置，選擇合適的采樣器和指導比例，即可生成高質量的圖像。在示例中，作者使用了UNI PC和LCM采樣器，演示了使用四個步驟和1.8的指導比例時的性能。

　　在Auto1111中使用Aur技術的方式非常簡單。基本上，您只需選擇一個采樣器，我建議使用DPM Plus+ SD Caris，并按比例縮小。如果您在使用SD Caris采樣器時達到兩個步驟，然后再次嘗試四個步驟，您可以顯著提高性能。按照提示，這樣做更為有效。因此，在ComfyUI和Auto1111中都成功完成了四個步驟。

　　對于SDXL的處理，回到ComfyUI，加載SDXL檢查點，并選擇SDXL LCM Laura配置。確保將此采樣器的名稱更改為LCM，并將指導比例保持在1.8。建議比較兩個圖像的輸出，特別關注畫面的亮度和對比度。開箱即用的指導比例為1.5，盡管性能會下降到1或1.1，但仍然關注亞秒級生成。在增加步數到6后，每秒3.7次迭代，即1秒內有4個步驟。這與使用帶有SDXL的普通Oiler采樣器的速度相當。通過增加指導比例到1.8左右，您可以在第一張圖像中獲得更多清晰度。作者更喜歡1.6左右的指導比例，因為相比于一路上升到2.4，這樣的比例更為理想。不幸的是，嘗試使用其他采樣器，如uni PC和uni PC bh2，似乎并未如期望那樣自動工作。

　　在總體性能方面，使用LCM版本幾乎每秒九次迭代，具有四個步驟，而速度下降到每秒六次迭代。這意味著如果速度足夠快，可以一直增加到八個步驟，可能仍然保持在subc的水平。生成時間不到1秒，即每秒九次迭代，對于生成1024x1024的SDXL圖像非常令人滿意。作者還嘗試了與DM一起使用Oiler，嘗試提高指導尺度，雖然生成的圖像是卡通風格，但似乎有起作用。

　　使用LCM配置生成的圖像，其生成速度足夠快，可以制作人工智能生成的視頻。盡管生成的質量不是最佳，但在每秒17幀的速度下，生成60幀只需17秒。這證明LCM技術與Aur的其他配置兼容，確實為用戶提供了快速而高效的深度學習模型生成體驗。

　　總的來說，Aur的LCM技術為穩定擴散和SDXL的生成速度提供了顯著的提升。無論是在ComfyUI中還是在auto1111中，使用LCM Laura配置和適當的采樣器，用戶都能夠輕松實現高質量、高速的深度學習模型生成。這是對Aur技術的一次令人印象深刻的探索，為用戶提供了更快、更高效的生成體驗。