---
title: "一致性模型（Consistency Model）"
slug: consistency-model
language: zh-TW
source: https://aiterms.tw/terms/consistency-model
updated_at: 2026-06-22
tags: [生成式AI, 深度學習, 機器學習, 擴散模型]
ipas_term: false
---

# 一致性模型（Consistency Model）

一種生成模型，通過學習將任意噪音水平的數據映射到同一最終樣本，實現單步或少步生成，不需要逐步去噪過程。

## 完整說明

一致性模型（Consistency Model）是一種新穎的生成模型框架，解決了擴散模型推理速度慢的問題。一致性模型的核心思想是學習一個函數，將擴散過程中任意噪音水平的中間狀態映射回其對應的原始清潔樣本。一旦模型學會了這種映射，推理就可以從任意噪音水平開始，一步或少步到達最終樣本，無需逐步去噪。一致性模型具有單步或少步生成的能力，同時保持高質量，是提高擴散模型推理效率的重要方向。

## 常見問題

### 一致性模型如何從擴散模型蒸餾？

一致性模型蒸餾過程涉及使用預訓練的擴散模型作為教師，訓練一致性模型（學生）模仿教師的多步去噪過程。具體步驟為：首先，給定一個數據樣本 x_0，生成一對 (x_t, x_{t'})，它們都對應於相同的 x_0，但在擴散軌跡的不同點。然後，使用教師擴散模型生成 x_{t'}（通過一個或多個去噪步驟）。一致性模型則學習在一步內從 x_t 到達相同的結果。損失函數比較一致性模型和教師模型輸出的一致性。通過這種方式，一致性模型學會了在一步內完成教師需要多步才能完成的任務。蒸餾過程相對簡潔，通常需要的訓練時間遠少於原始擴散模型的訓練。

### 一致性模型的單步生成質量真的能與多步擴散模型相比嗎？

可以的。通過精心的蒸餾或訓練，一致性模型的單步生成質量可以達到與多步擴散模型相近，甚至在某些情況下更優。關鍵因素包括：教師擴散模型的質量（若使用蒸餾），蒸餾或訓練的策略，網路架構的設計。實驗證據表明，最先進的一致性模型在 ImageNet 等標準基準上的 FID 分數可以與最先進的擴散模型相媲美，同時推理速度快 100 倍以上。當然，質量與速度仍然存在權衡，但一致性模型在這個權衡上提供了一個非常好的平衡點。少步採樣（如 2-4 步）可以進一步改進質量，同時仍然保持高效。

### 一致性模型為什麼能實現單步生成？

一致性模型能實現單步生成的根本原因是它學會了一個直接映射，將任何噪音水平的狀態映射到最終清潔樣本。這基於一個數學觀察：在擴散過程中，沿著同一軌跡的所有點最終會導向同一個清潔樣本。一致性模型通過學習這個一致性性質，實現了一次跳躍從噪音到數據。相比之下，擴散模型需要逐步去噪，因為每一步只能去除一部分噪音。一致性模型不再遵循原始的小步長軌跡，而是學習一個大步長映射。這就像在一個複雜的迷宮中，與其逐步走每一條走廊，不如直接學會一個傳送通道到出口。

---

來源：https://aiterms.tw/terms/consistency-model
快查頁：https://aiterms.tw/terms/consistency-model
最後更新：2026/06/22
深度解說：https://aiterms.tw/learning/what-is-consistency-model