# Hyper-SD – 字节跳动推出的高效的图像合成框架

- Link: https://paooo.com/aigc-news/27938/
- Published: 2026-07-10T04:01:44+08:00
- Author: Prompt 语宙研究院

## Hyper-SD是什么

Hyper-SD是由字节跳动的研究人员推出的一个高效的图像合成框架，旨在解决现有扩散模型
在多步推理过程中计算成本高昂的问题。Hyper-SD通过轨迹分割一致性蒸馏（TSCD）技术，
在不同时间段内保持数据的一致性，从而有效保留了原始的ODE（常微分方程）轨迹。此外，
它还融入了人类反馈学习，优化了在低步数推理情况下的模型性能，并利用分数蒸馏进一步
提升了单步推理的图像质量。该框架能够在保持高图像质量的同时，大幅减少必要的推理步骤，
实现快速生成高分辨率图像，进一步推动了生成AI领域的发展。

阅读目录

 * [Hyper-SD是什么](https://paooo.com/aigc-news/27938/#hypersd%e6%98%af%e4%bb%80%e4%b9%88)
 * [Hyper-SD的官网入口](https://paooo.com/aigc-news/27938/#hypersd%e7%9a%84%e5%ae%98%e7%bd%91%e5%85%a5%e5%8f%a3)
 * [Hyper-SD的工作原理](https://paooo.com/aigc-news/27938/#hypersd%e7%9a%84%e5%b7%a5%e4%bd%9c%e5%8e%9f%e7%90%86)

![Hyper-SD](https://paooo.com/wp-content/uploads/2026/07/Hyper-SD-LoRA-website-1.
avif)

## Hyper-SD的官网入口

 * 官方项目主页：[https://hyper-sd.github.io/](https://hyper-sd.github.io/?utm_source=ai-bot.cn)
 * Hugging Face模型地址：[https://huggingface.co/ByteDance/Hyper-SD](https://huggingface.co/ByteDance/Hyper-SD)
 * arXiv研究论文：[https://arxiv.org/abs/2404.13686](https://arxiv.org/abs/2404.13686)
 * Hyper-SD T2I版Demo：[https://huggingface.co/spaces/ByteDance/Hyper-SDXL-1Step-T2I](https://huggingface.co/spaces/ByteDance/Hyper-SDXL-1Step-T2I)
 * Hyper-SD 涂鸦版Demo：[https://huggingface.co/spaces/ByteDance/Hyper-SD15-Scribble](https://huggingface.co/spaces/ByteDance/Hyper-SD15-Scribble)

## Hyper-SD的工作原理

 * **轨迹分割一致性蒸馏（TSCD）**：将训练时间步长范围[0, T]划分为k个均匀的时间段。
   在每个时间段内部执行一致性蒸馏，使用原始模型作为教师，学生模型逐步学习教师模型
   的行为。通过逐步减少时间段的数量（如8 → 4 → 2 → 1），训练学生模型以逼近教师模型
   的全局行为。
 * **人类反馈学习（ReFL）**：利用人类对图像的偏好反馈来优化模型。训练奖励模型，使
   其能够识别并奖励更符合人类审美的图像。通过迭代去噪和直接预测，结合奖励模型的反馈，
   微调学生模型。
 * **分数蒸馏**：使用真实分布和假分布的得分函数来指导单步推理过程。通过最小化两个
   分布之间的KL散度，优化学生的单步生成性能。
 * **低秩适应（LoRA）**：使用LoRA技术来适配和训练学生模型，使其成为一个轻量级的插
   件，可以快速部署和使用。
 * **训练和损失函数优化**：定义损失函数，结合一致性损失、人类反馈损失和分数蒸馏损失。
   使用梯度下降等优化算法来训练学生模型，同时更新LoRA插件。
 * **推理和图像生成**：在训练完成后，使用学生模型进行图像生成的推理过程。根据应用
   场景的需求，选择适当的推理步骤数量，以平衡生成质量和效率。
 * **性能评估**：使用定量指标（如CLIP分数、美学分数）和定性指标（如用户研究）来评估
   生成图像的质量。根据评估结果，进一步调整和优化模型参数。

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/27938/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)