【免费下载】 ComfyUI-TeaCache 使用教程

1. 项目介绍

ComfyUI-TeaCache 是一个基于 ComfyUI 的开源项目，它集成了 TeaCache 缓存技术。TeaCache 是一种无需训练的缓存方法，能够估计并利用模型输出在时间步之间的波动差异，从而加速推理过程。适用于图像扩散模型、视频扩散模型和音频扩散模型。ComfyUI-TeaCache 易于使用，只需将 TeaCache 节点与 ComfyUI 的原生节点相连，即可实现无缝使用。

2. 项目快速启动

安装

通过 ComfyUI-Manager 进行安装是最推荐的方式。在节点列表中搜索 ComfyUI-TeaCache 并点击安装。

手动安装步骤如下：

# 进入 ComfyUI 的 custom_nodes 目录
cd ComfyUI/custom_nodes/

# 克隆项目仓库
git clone https://github.com/welltop-cn/ComfyUI-TeaCache.git

# 安装依赖
pip install -r requirements.txt

使用

将 TeaCache 节点添加到工作流中，位于 "Load Diffusion Model" 节点或 "Load LoRA" 节点（如果需要 LoRA）之后。以下是一些不同模型的推荐配置：

模型	rel_l1_thresh	max_skip_steps	速度提升
FLUX	0.4	3	约2倍
PuLID-FLUX	0.4	3	约1.7倍
HunyuanVideo	0.15	3	约1.9倍
LTX-Video	0.06	3	约1.7倍
CogVideoX	0.3	3	约2倍
Wan2.1-T2V-1.3B	0.08	3	约1.6倍
Wan2.1-T2V-14B	0.2	3	约1.8倍
Wan2.1-I2V-480P-14B	0.26	3	约1.9倍
Wan2.1-I2V-720P-14B	0.25	3	约1.6倍
Wan2.1-T2V-1.3B-ret-mode	0.15	3	约2.2倍
Wan2.1-T2V-14B-ret-mode	0.2	3	约2.1倍
Wan2.1-I2V-480P-14B-ret-mode	0.3	3	约2.3倍
Wan2.1-I2V-720P-14B-ret-mode	0.3	3	约2.0倍

如果应用 TeaCache 后视频质量较低，例如运动范围较小或静态画面，请尝试减少 rel_l1_thresh 或 max_skip_steps。

3. 应用案例和最佳实践

以下是一些使用 ComfyUI-TeaCache 的案例：

• 对于图像生成，可以将 TeaCache 应用于图像扩散模型，以加速图像生成过程。
• 对于视频生成，TeaCache 能够显著提高视频生成速度，同时保持较高的视频质量。

最佳实践建议：

• 根据不同的模型和需求调整 rel_l1_thresh 和 max_skip_steps 参数。
• 使用 TeaCache 节点之前，确保 "Load Diffusion Model" 或 "Load LoRA" 节点已正确配置。

4. 典型生态项目

ComfyUI-TeaCache 作为 ComfyUI 的一部分，可以与其他 ComfyUI 插件和节点配合使用，例如：

• ComfyUI-CogVideoXWrapper：用于 CogVideoX 模型的节点包装器。
• 其他 ComfyUI 扩散模型和 LoRA 相关节点。

通过整合这些项目，可以构建一个强大的图像和视频生成工作流，提高效率和创造力。