张芷铭的个人博客TAESD 是 Stable Diffusion 原始 VAE 的微型蒸馏版本，通过大幅减少参数量（编码器/解码器均降至 122 万参数）实现高效编码解码，适合实时预览和资源受限场景。
模型定位
TAESD（Tiny Autoencoder for Stable Diffusion）是专为 Stable Diffusion 潜在空间设计的轻量级自编码器，兼容 SD1/2、SDXL、SD3 等多种变体。
技术原理
| 组件 | 功能 |
|---|---|
| 编码器 | 将全尺寸图像压缩为潜在表示（48 倍有损压缩），形状 4x(H/8)x(W/8)，值范围 [-3, 3] |
| 解码器 | 从潜在表示重建图像，输出形状 3xHxW，值范围 [0, 1] |
结构基于卷积层、ReLU 激活和上采样层，注重速度而非细节精度。
优势与局限
| 优势 | 局限 |
|---|---|
| 解码速度可达原始 VAE 数十倍 | 因模型简化，重建图像可能模糊 |
| 模型体积小，适合移动端部署 | 以质量损失换取速度提升 |
| 支持编码和解码，可替代官方 VAE |
应用场景
- 实时预览：在 ComfyUI 或 Diffusers 中启用
--preview-method taesd - 快速原型开发：快速迭代的图像生成实验
- 低资源设备：官方 VAE 不便使用的场景
获取与集成
- Diffusers：
madebyollin/taesd（safetensors 格式） - ComfyUI/A1111：下载
taesd_encoder.pth和taesd_decoder.pth
若需高质量输出，仍需依赖原始 VAE 或 OpenAI Consistency Decoder。
Comments