Cascade节点

部分截图

该模型基于Würstchen架构构建，与稳定扩散等其他模型的主要区别在于它在更小的潜在空间中工作。为什么这很重要？潜在空间越小，推理速度就越快，训练成本也就越低。潜在空间有多小？稳定扩散使用压缩因子 8，从而将 1024×1024 图像编码为 128×128。 Stable Cascade 的压缩系数为 42，这意味着可以将 1024×1024 图像编码为 24×24，同时保持清晰的重建。然后在高度压缩的潜在空间中训练文本条件模型。与稳定扩散 1.5 相比，该架构的先前版本实现了 16 倍的成本降低。

由于资源皆是存于网盘，可能会存在失效情况，建议第一时间保存到自己网盘，如遇失效，请在评论区反馈，我会第一时间处理。