Krea2-Turbo-Distill-4step-LoRA

Krea2-Turbo-Distill-4step-LoRA 是一个专为 Krea 2 Turbo 模型设计的LoRA权重，旨在通过知识蒸馏技术，将生成高质量图像所需的最小步数从 8 步减少到 4 步。这不仅显著提升了推理速度，还通过恢复高频纹理细节，弥补了快速调度带来的画质损失。

核心优势

• 速度翻倍：在 1024×1024 分辨率下，端到端生成时间从 88.7 秒缩短至 54.5 秒，提速约 1.6 倍。仅去噪阶段提速达 1.8 倍。
• 细节修复：不仅仅是加速，该 LoRA 专门针对 4 步调度丢失的高频纹理进行了补偿，使输出更接近 8 步基准的细腻度。
• ** 即插即用**：纯 .safetensors 格式，兼容 diffusers 和 ComfyUI。无需自定义节点、无需修补采样器，加载即可使用。
• 误差降低：当前最新版本 chk00026000 已消除了 4 步运行相对于 8 步教师模型 46% 的预测误差。

使用方法与配置

通用设置 (Diffusers / MLX)

ComfyUI 专用设置

• CFG Scale: 1.0 (注意：ComfyUI 中 1.0 等同于 diffusers 的 0.0，即无分类器自由引导)。
• 采样器/调度器: Euler / Simple。
• 文件放置:
  • LoRA: ComfyUI/models/loras/
  • 扩散模型: ComfyUI/models/diffusion_models/
  • 文本编码器 & VAE: 对应目录。
• 工作流: 仓库提供现成的 krea2_turbo_4step_lora_t2i.json，支持 bf16/int8/fp8 多种后端变体。

版本选择与更新机制

该项目采用滚动发布机制，确保用户始终能获取经过严格评估的最佳检查点：

• ..._latest.safetensors: 推荐下载。这是一个指向当前最佳检查点的软链接。当新检查点通过评估后，该文件会被更新，而文件名保持不变，方便工作流自动引用最新成果。
• ..._chk00026000.safetensors: 固定版本。对应 26,000 个训练样本的检查点，适合需要复现特定结果的场景。
• older_checkpoints/: 保留历史版本供对比研究。

评估标准：并非训练越久越好。每个发布的检查点必须在固定的保留集上明显优于前一个版本，且在全分辨率扫描中无回归现象。

技术洞察：为什么它有效？

1. 蒸馏而非提取：与简单的权重差值提取不同，该 LoRA 是通过让“学生”（4步模型）模仿“教师”（8步 Turbo）的完整轨迹训练而成的。
2. 运行平均权重：发布的权重是训练过程中权重的运行平均值，这有助于平滑优化路径，获得更稳定的泛化能力。
3. 针对性损失加权：在训练中，对决定纹理的最后一步给予了更高的损失权重，从而精准恢复细节。

注意事项

• 不要在 Krea 2 Raw 上使用：虽然能加载，但会导致构图崩坏、肢体融合等严重伪影。请先迁移到 Turbo 权重。
• LoRA 强度不要超过 1.0：高于 1.0 会导致过度纹理化（表面细节过密、丝状结构），而非提升语义质量。如需更强效果，建议增加步数而非提高强度。
• Apple Silicon 用户注意：避免使用 fp8_scaled 版本的扩散模型，因为 MPS 后端不支持该数据类型。建议使用 bf16 或 int8_convrot。