TeaCache - 扩散模型免训练推理加速，视频/图片/音频生成提速神器

TeaCache - 扩散模型推理加速神器（免训练缓存方案）

CVPR 2025 Highlight 论文实现，中科院 & 阿里巴巴联合出品。

核心原理

TeaCache（Timestep Embedding Aware Cache）通过分析扩散模型不同时间步（timestep）之间输出差异的波动规律，智能跳过冗余计算，实现无需重新训练即可大幅加速推理。

简单说：扩散模型推理时要跑很多步，但很多步的输出几乎一样。TeaCache 能精准识别哪些步可以缓存复用，直接跳过，推理速度翻倍起步。

支持的模型（覆盖面极广）

文生视频：

• Wan2.1、Cosmos、CogVideoX1.5、LTX-Video、Mochi、HunyuanVideo、CogVideoX、Open-Sora、Open-Sora-Plan、Latte

图生视频：

• Wan2.1、Cosmos、CogVideoX1.5、ConsisID

文生图：

• HiDream-I1、Lumina-Image-2.0、FLUX、Lumina-T2X

文生音频：

• TangoFlux

社区生态

• ComfyUI 多个插件已集成 TeaCache
• FramePack、FastVideo、EasyAnimate 等主流框架均支持
• DiffSynth Studio、SD.Next 引擎级支持
• 多 GPU 并行推理方案（Teacache-xDiT）

使用方式

git clone https://github.com/ali-vilab/TeaCache.git
cd TeaCache
# 按对应模型子目录的 README 操作

每个支持模型都有独立子目录和详细教程，开箱即用。

适用场景

• 本地跑视频生成模型太慢？TeaCache 直接提速
• ComfyUI 工作流优化？装插件就行
• 批量生成内容？速度提升立竿见影
• 不想重新训练模型？TeaCache 零训练成本接入

论文

• arXiv 2411.19108
• Apache 2.0 开源协议