Idol Turbo 将图生 3D 压缩到五个无引导步骤

输入、带 CFG 的 6 步基础模型，以及蒸馏学生在 6 步和 8 步下的结果。相同输入、相同种子、正交 splat 渲染。

变化之处

Idol 的 flow-matching 去噪器未作任何改动。作者添加的是两个低秩专家，通过对教师模型经 CFG 合成的速度做回归训练，从而把无分类器引导折叠进权重中，第二次重复前向随之消失。大部分节省正来自这里：50 步乘以 CFG 3.0 下的两次评估等于 100 次网络调用，而学生模型只需要 5 次。

• 方案：Glance 风格的分阶段 LoRA（arXiv 2512.02899），两个 rank-32 专家，一个用于高噪波阶段的 Slow-LoRA 和一个用于低噪波阶段的 Fast-LoRA，在 t = 0.5 处切换。
• 可训练规模：两个专家合计 2940 万参数。
• 训练集（v5）：4,650 条教师记录，即 93 张单对象图像上的 50 步 CFG 3.0 轨迹，2,000 步，在一块 H200 上约 25 分钟。

v5 这个标签很关键。更早的模型只用 10 张图像训练，对与该集合差异较大的对象泛化很差；更宽的分布正是本次发布的意义所在，展示中的背包在训练时被留出。

五个对象，每个三栏：输入、turbo 5 步、带 CFG 的基础模型 5 步。

在 ComfyUI 中使用

两个 ComfyUI 格式的 LoRA 已针对 Comfy-Org/Idol 验证：模块路径完全一致，权重已按强度 1.0 预先缩放。将 idol_turbo_slow_comfy.safetensors 和 idol_turbo_fast_comfy.safetensors 放入 models/loras/，与重打包版本的 diffusion model、DINOv3 CLIP vision、VAE 和解码器放在一起，然后设置 5 步、CFG 1.0。

分阶段切换有两种接线方式：

• 两阶段：在 KSampler (Advanced) 中用 slow LoRA 运行五步中的前四步，开启 add_noise，然后用 fast LoRA 并关闭 add_noise 完成最后一步。交接点位于平移后的 t = 0.5。
• 简单方式：整个运行都使用 slow LoRA。在五步中，有四步本就处于它的阶段，代价是损失一些后期细节。

作者的提醒值得保留：键兼容性已验证，但两阶段拆分尚未在 ComfyUI 内部实际运行过。如果 fast 阶段看起来不对，仅用 slow 的路径是安全的默认选择。

沿步数递减：朴素采样器会丢失颜色（背包在 4 步时接近全黑）和结构（龙形融解），而学生模型在无引导的情况下同时保持了两者。

推荐的默认值是 5 步，此时朴素采样与 turbo 采样之间的差距最大。在 8 步时两者看起来都不错；低于 4 步两者都会劣化，学生模型劣化得更慢。

较弱之处

模型卡片说得很明确。输出可能比 50 步的教师模型更柔和，在 4 步时颜色可能偏暖，高饱和度对象可能不如首个 10 图像模型那样鲜艳。50 步的基础模型仍是参考基准，每一次训练运行、指标和评估渲染都发布在 akhaliq/idol-turbo-runs。

对于 SDK 路径，该仓库是可直接替换的权重：去噪器、解码器、高斯解码器、背景移除器和配置与 speridlabs/idol 逐字节一致，turbo.py 增加了无引导采样器。

可用性

ComfyUI LoRA、SDK LoRA、turbo.py 以及对比网格图都在 Hugging Face 上，发布于 2026 年 11 月 3 日。它需要 Comfy-Org Idol 重打包版本才能运行，SDK 路径仍然需要 Idol 的两个受限编码器（DINOv3 和 FLUX.2-dev）。基础 Idol 需要约 7.2 GB 显存；LoRA 在此基础上增加不到 1 GB。