LCM模型，全稱Latent Consistency Models（潛在一致性模型），是一種用於圖像合成的新型模型。其特點如下：
效率高。LCM模型能夠在極少的推理步驟內生成高解析度的圖像，相較於傳統的圖像生成模型，如Stable Diffusion，LCM顯著提高了圖像生成的效率，能夠達到5到10倍的速度提升，從而實現了接近實時的文本到圖像轉換。
創新架構。LCM的核心在於其潛在一致性架構，這種架構通過在潛空間進行圖像處理，減少了所需處理的數據量，從而提升了圖像生成的速度，同時保持了圖像的高解析度和細節質量。
微調方法。LCM引入了一種新的微調方法，稱為潛在一致性微調（LCF），這允許在定製的圖像數據集上進行快速的少步推理。
套用廣泛。LCM不僅適用於文生圖任務，還可以用於視頻轉視頻、圖像風格遷移等多種套用，展現出巨大的潛力和實用性。
此外，LCM模型還支持使用LoRA（Low-Rank Adaptation）技術，允許在不進行完整模型訓練的情況下對模型進行微調，進一步提高了模型的適應性和效率。