Idol Turbo : image vers 3D en cinq étapes sans guidance dans ComfyUI

Entrée, le modèle de base à 6 étapes avec CFG, et l'étudiant distillé à 6 et 8 étapes. Mêmes entrées, même graine, rendus de splats orthographiques.

Ce qui a changé

Le débruiteur flow-matching d'Idol reste intact. L'auteur a ajouté deux experts de bas rang entraînés par régression sur la vélocité composée par CFG de l'enseignant, de sorte que la guidance sans classifieur est intégrée aux poids et que la seconde passe redondante disparaît. C'est de là que vient l'essentiel de l'économie : 50 étapes fois deux évaluations à CFG 3.0 représentent 100 appels réseau, alors que l'étudiant n'en a besoin que de 5.

• Recette : LoRA de phase de style Glance (arXiv 2512.02899), deux experts de rang 32, un Slow-LoRA pour la phase à fort bruit et un Fast-LoRA pour la phase à faible bruit, avec bascule à t = 0.5.
• Taille entraînable : 29,4 millions de paramètres pour les deux experts.
• Jeu d'entraînement (v5) : 4 650 enregistrements de l'enseignant, trajectoires de 50 étapes à CFG 3.0 sur 93 images d'objets uniques, 2 000 étapes, environ 25 minutes sur un seul H200.

Le label v5 a son importance. Les checkpoints antérieurs, entraînés sur 10 images, généralisaient mal sur des objets différents de cet ensemble ; cette dispersion plus large est justement l'intérêt de cette version, et le sac à dos de la démonstration est exclu de l'entraînement.

Cinq objets, trois panneaux chacun : entrée, turbo à 5 étapes, modèle de base à 5 étapes avec CFG.

L'utiliser dans ComfyUI

Les deux LoRA au format ComfyUI sont vérifiées avec Comfy-Org/Idol : les chemins de modules sont identiques et les poids sont pré-échelonnés pour une force de 1.0. Placez idol_turbo_slow_comfy.safetensors et idol_turbo_fast_comfy.safetensors dans models/loras/, à côté du modèle de diffusion du repack, du CLIP vision DINOv3, du VAE et du décodeur, puis réglez 5 étapes et CFG 1.0.

Il existe deux façons de câbler la séparation des phases :

• Deux étapes : exécutez les quatre premières des cinq étapes avec le Slow-LoRA dans KSampler (Advanced) avec add_noise activé, puis terminez la dernière étape avec le Fast-LoRA et add_noise désactivé. La bascule se situe à t décalé = 0.5.
• Simple : utilisez le Slow-LoRA sur toute l'exécution. Sur cinq étapes, quatre se trouvent de toute façon dans sa phase, au prix d'une perte de détail tardif.

La mise en garde de l'auteur mérite d'être conservée : la compatibilité des clés est vérifiée, mais la séparation en deux étapes n'a pas été exécutée dans ComfyUI lui-même. Si la phase rapide semble incorrecte, le chemin avec le Slow-LoRA seul reste la valeur sûre.

En descendant les nombres d'étapes : l'échantillonneur naïf perd la couleur (le sac à dos devient presque noir à 4 étapes) et la structure (le dragon fond), tandis que l'étudiant conserve les deux sans guidance.

La valeur par défaut recommandée est de 5 étapes, là où l'écart entre échantillonnage naïf et échantillonnage turbo est le plus large. À 8 étapes, les deux sont bons ; en dessous de 4, les deux se dégradent, l'étudiant plus lentement.

Où il est plus faible

La carte du modèle est explicite. Les sorties peuvent être plus douces que celles de l'enseignant à 50 étapes, les couleurs peuvent tirer vers le chaud à 4 étapes, et les objets très saturés peuvent rendre un peu moins vivement que dans le premier checkpoint à 10 images. Le modèle de base à 50 étapes reste la référence, et chaque entraînement, métrique et rendu d'évaluation est publié dans akhaliq/idol-turbo-runs.

Pour la voie SDK, le référentiel se substitue directement aux poids : le débruiteur, le décodeur, le décodeur gaussien, le détourage d'arrière-plan et la configuration sont identiques octet pour octet à speridlabs/idol, et turbo.py ajoute l'échantillonneur sans guidance.

Disponibilité

Les LoRA ComfyUI, les LoRA SDK, turbo.py et les grilles de comparaison sont sur Hugging Face, publiés le 3 novembre 2026. Le projet nécessite le repack Idol de Comfy-Org pour fonctionner, et la voie SDK requiert toujours les deux encodeurs à accès restreint d'Idol (DINOv3 et FLUX.2-dev). Idol de base nécessite environ 7,2 Go de VRAM ; les LoRA ajoutent une fraction de gigaoctet par-dessus.