# TeaCache - 扩散模型免训练推理加速，视频/图片/音频生成提速神器

> CVPR 2025 Highlight，通过智能缓存跳过冗余时间步，无需重训模型即可大幅加速扩散模型推理。支持Wan2.1/FLUX/HunyuanVideo等20+主流模型

## 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

```bash
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](https://arxiv.org/abs/2411.19108)
- Apache 2.0 开源协议

---

**分类**：源码
**标签**：模型 · 推理 · TeaCache
**作者**：Xiao.Xi
**链接**：https://octohz.com/p/1795