1. EDM Sampler 到底在 Stable Diffusion 里扮演什么角色第一次在 Stable Diffusion 的采样器下拉框里看到 EDM 相关的选项多数人的反应是这又是什么黑话。下拉框里已经有 Euler、DPM 2M、DDIM、UniPC 一大串名字多出来一个 EDM Sampler看起来像是某个小众分支点进去试了两下觉得好像也没差多少然后就再也没碰过。我最初也是这样直到有一段时间专门做纹理细节的对比测试才发现这个采样器被严重低估了。先把话说清楚EDM Sampler 不是某个模型也不是某个界面插件它是一套完整的扩散采样方案包含噪声调度、网络预条件和数值求解器三个部分。它源自 2022 年一篇把扩散模型设计空间重新拆解整理的论文那篇论文做的事情很朴素也很狠把前人各种扩散模型的做法拆成几个独立的设计维度逐一做消融实验然后给出一套在当时的基准上表现最好的组合。后来这套组合被移植进 Stable Diffusion 生态就成了大家看到的 EDM Sampler。它解决的问题很具体在同样的步数下让采样过程更稳、更可预测、更少出现画面糊掉或细节崩掉的情况。它适合谁适合已经用过基础采样器、对步数和 CFG 有基本概念、想进一步控制画面质感的用户也适合想搞明白采样器之间到底差在哪的人。如果你只做快速出图、对细节没要求用默认的 DPM 2M 完全够用不必折腾。但如果你想理解采样器背后的数学结构或者在做高分辨率、精细纹理、图生图局部重绘时遇到瓶颈那 EDM 值得认真看一遍。我在实际使用中的感受是它不是万能更强而是另一种性格。用对了场景细节锐利度和结构稳定性会明显上一个台阶用错了场景画面会显得生硬、颗粒感重、甚至颜色发灰。所以下面不只是讲它怎么用更要讲清楚它为什么这样设计、什么时候该用、什么时候该绕开。2. 拆开 EDM 的三个核心设计维度2.1 把时间步换成噪声水平sigma 参数化的意义传统 DDPM 那套写法采样过程是按离散的时间步 t1000, 999, ..., 1 一步步往前走的每一步对应一个固定的噪声强度表。这套写法直观但有个麻烦时间步是离散的、跟训练时的步数绑死的你想换步数就得重新插值插值方式不同结果就差很多。EDM 的做法是把整个扩散过程用连续变量 sigma 描述sigma 就是噪声的标准差样本可以写成 x x_0 sigma · nn 是标准正态噪声。这样一来训练时的步数和采样时的步数彻底解耦采样器可以在任意 sigma 区间上自由取点想取 18 个点就取 18 个点想取 64 个点就取 64 个点不需要跟训练配置对齐。这个改动听起来只是换了个记号实际影响很大。它让步数从训练参数变成了纯粹的计算预算参数。你可以用 20 步也可以用 40 步中间不存在必须跟训练步数匹配的约束。我做过一个对照用同一个种子、同一个提示词分别跑 20、28、36 步EDM 的收敛曲线比时间步参数化的采样器平滑得多28 步和 36 步之间的差异已经很小说明它确实在按噪声水平均匀推进而不是在某个区间里浪费步数。在 Stable Diffusion 的实际实现里sigma 阶梯通常这么算sigma_i (sigma_max^(1/rho) i/(N-1) · (sigma_min^(1/rho) - sigma_max^(1/rho)))^rho其中 rho 控制阶梯的疏密分布取 7 的时候低噪声区也就是画面细节定型的阶段会分配更多步数高噪声区构图阶段步数少一些。这个偏向是刻意的——画面后段的结构细节比前段的整体布局更难收敛把算力堆在刀刃上。这里有个容易踩的坑EDM 论文原设定里 sigma_max 取 80那是针对像素域图像取值归一化到 [-1,1]的参数。Stable Diffusion 工作在 VAE 的 latent 空间latent 的数值分布完全不同直接把 80 搬过来会把隐变量打到饱和出来的图一片灰糊。实际实现里会把 sigma_max 映射到模型训练时对应的最大噪声水平SD 1.5 系列大致在 14 到 15 这个量级。如果你在某个前端里发现 EDM 采样器出图发灰、对比度低第一反应就该怀疑这个映射有没有做对。2.2 预条件让网络始终工作在舒适区预条件preconditioning是 EDM 里最容易被忽略、但对结果影响最大的部分。它要解决的是一个很实际的问题同一个网络在极高噪声和极低噪声下的输入分布差异巨大如果直接喂进去网络在不同噪声水平下的输出量级会剧烈波动。打个比方你有一个音响系统输入信号忽大忽小小的时候听不清、大的时候爆音。预条件做的事情就是给输入端加一个自动音量归一化给输出端加一个自动增益补偿让系统在任意输入电平下都工作在线性区。具体形式是这样一组系数它们都是 sigma 的函数c_skip sigma_data² / (sigma² sigma_data²)c_out sigma · sigma_data / sqrt(sigma_data² sigma²)c_in 1 / sqrt(sigma_data² sigma²)c_noise ln(sigma) / 4网络实际计算的是 D(x; sigma) c_skip · x c_out · F(c_in · x, c_noise)。这里的 F 是去噪网络sigma_data 是数据本身的尺度估计值在像素域图像上通常取 0.5。c_skip 那一项是跳过连接在噪声极大时让输出接近输入因为此时网络本来也预测不出什么噪声极小时让输出接近原始 x。c_noise 则把 sigma 转成网络的条件输入用对数尺度可以让网络在跨几个数量级的噪声上都有良好分辨率。这套设计的价值在于它让网络的训练目标和推理目标在不同噪声水平下保持量级一致从而可以用同一套权重覆盖从几乎纯噪声到几乎干净图像的全过程。在 EDM 原论文的语境里这是它能在低步数下仍保持高质量的关键之一。但对 Stable Diffusion 来说这里有个必须讲清楚的错位SD 的模型是用 epsilon 预测预测噪声训练的不是 EDM 的 x_0 预测加预条件训练的。也就是说Stable Diffusion 里的 EDM 实现是借用了 EDM 的调度和求解器但预条件部分并不能完全对上原始假设。实际代码里会做适配比如把网络的 epsilon 输出换算成 x_0 估计再套用求解器。这种半套用是很多细节差异的来源——它解释了为什么 EDM 采样器在 SD 上表现不错但没有论文里那么碾压式领先也解释了为什么不同前端实现同一个采样器结果会有肉眼可见的区别。提示如果你在不同界面里切换同一个 EDM 采样器发现效果不一样别急着怀疑自己的参数先确认两件事——sigma_max 的映射方式以及 epsilon 到 x_0 的换算是否一致。这两处是不同实现之间最容易产生分歧的地方。2.3 Heun 二阶求解器贵一倍准一截EDM 配套的求解器里最有代表性的是 Heun 二阶方法。它的思路是在当前 sigma 处用网络估计一次导数去噪方向用一阶 Euler 走一步得到一个试探点在试探点处再估计一次导数把两次导数的平均作为最终方向从原点重新走一步。这就是经典的预测-校正结构。它的好处是把局部误差从一阶降到二阶步长可以放得更大代价是每一步要评估两次网络。这意味着一个很实际的问题20 步的 Heun实际执行的是 39 次网络前向第一步只需一次评估。很多人抱怨EDM 采样器怎么这么慢根子就在这里。它不是慢在实现是慢在数学结构上。我在一张 512×512 的图上做过计时同样的 20 步设置Euler 大约 3.4 秒Heun 大约 6.5 秒接近两倍跟理论预期吻合。如果你用的是较老的显卡这个成本会明显感知到。所以有个很实用的换算Heun 的 15 步约等于一阶方法 30 步的质量但只花 29 次评估。在 15 到 25 步这个区间Heun 的性价比是最高的。低于 12 步就不建议了——二阶方法需要一定步长密度才能发挥校正作用步数太少时校正项本身误差也大反而不如一阶方法干脆。2.4 四个旋钮S_churn、S_tmin、S_tmax、S_noiseEDM 采样器的参数面板上通常有四个可调项很多人直接跳过其实它们决定了画面的随机性注入程度。S_churn控制每一步注入额外噪声的强度。它模拟的是随机微分方程里的噪声项但在这里被当作可控参数。S_tmin / S_tmax定义注入噪声的 sigma 区间超出这个区间的步不加噪声。S_noise注入噪声的缩放系数相当于给噪声再乘一个倍数。具体的计算逻辑是这样的设步数为 N则每步的 churn 系数 gamma min(S_churn / N, sqrt(2) - 1)。注意后面那个截断值sqrt(2)-1 约等于 0.414也就是说无论你把 S_churn 拉多高单步噪声放大倍数最多到 1.414 倍。然后当前 sigma 被临时放大为 sigma_hat sigma · (1 gamma)求解器在 sigma_hat 和下一个 sigma 之间推进。注入的噪声量为 S_noise · sqrt(sigma_hat² - sigma²) · n。这个设计有个容易误解的点S_churn 不是线性生效的。因为要除以步数 N20 步时设 S_churn20每步 gamma1截断后变成 0.41440 步时设 S_churn20每步 gamma0.5实际注入强度更小。所以换个步数就得重新调 churn否则行为完全变了。我的经验是文生图阶段 S_churn 保持 0让采样过程确定、可复现构图更稳。想要一点随机性变化别动 churn去换种子更直接。图生图阶段可以给 5 到 15 之间让采样器在原图结构基础上做一点探索但超过 20 就容易把原图结构带偏。S_noise 一般保持 1.0除非你在做特殊效果比如故意要颗粒质的油画感可以调到 1.2 左右试试。3. 在 Stable Diffusion 里跑起来配置与对照实验3.1 采样器与调度器的组合怎么选先说一个容易混淆的概念采样器sampler和调度器scheduler是两回事。采样器决定怎么走调度器决定在哪里落脚。EDM 自带了一套 sigma 阶梯的计算方式所以很多前端把它和调度器绑定在一起不给你单独选但也有前端允许你把 EDM 的求解器配上别的 sigma 分布这时候结果差异就出来了。判断一个选项是不是真 EDM我的方法是看三条是否用连续的 sigma 而不是离散时间步、是否用了 Heun 或类似的二阶校正、是否带预条件系数。三条都满足才是完整实现只有前两条的是简化版出图会偏硬。在大多数界面里完整的 EDM 实现对应的是名字里带 Heun 的那个选项。不同前端命名不统一有的直接写 EDM有的叫 Heun有的叫 heunpp2。名字不重要看它是不是二阶、是不是 sigma 参数化。组合建议我整理成一张表使用场景采样器选择建议步数CFGchurn快速草稿一阶方法Euler 类12-166-70常规出图EDM / Heun18-226-80细节精修EDM / Heun24-305-70图生图轻改EDM / Heun20-255-75-10图生图重构EDM / Heun25-326-810-20高分辨率修复第二遍EDM / Heun15-205-60-5注意细节精修那行的 CFG用 EDM 时 CFG 不要往上拉要往下压。因为二阶求解器本身就在做误差校正CFG 带来的方向偏移会被放大容易出现色块过饱和、边缘发亮的问题。我在 7.5 到 8.5 之间试过几组8.5 以上就开始出现局部过曝。3.2 参数计算步数和 sigma 阶梯怎么落到实际这里给一个可以直接抄的计算流程帮你在换步数时心里有数。假设当前设 20 步S_churn0那么 sigma 阶梯从高到低取 20 个点Heun 执行 39 次前向。想做一次等效质量的对比把步数改成 28前向次数变成 55耗时增加约 41%。如果你的机器单张 512 图要 8 秒那就是 11 秒多这个成本差异在做批量测试时很明显。再算 churn 的影响。假设 24 步、S_churn12每步 gamma 12/24 0.5没有触发截断。那么每一步的 sigma 会被临时放大 1.5 倍注入噪声量约为 sqrt(1.5² - 1) ≈ 1.118 倍的原始 sigma 差值。这个量级不算小画面上会看到轻微的随机扰动在纹理区域表现为细节的自然变化在平整区域比如纯色背景可能出现细微颗粒。注意churn 的截断值 sqrt(2)-1 是个硬上限所以即使你设 S_churn100、N20gamma 也只有 0.414单步放大 1.414 倍。很多人以为把 churn 拉满能得到完全不同的一张图实际并不会它只是把噪点密度提高了一点。3.3 一组可复现的对照实验设计光讲参数很虚我给一套自己常用的测试方案你可以直接照着做。固定变量同一个种子、同一段提示词、同一个模型、同一分辨率 512×512、同一个 CFG 7.0、关闭高分辨率修复。只改采样器和步数。提示词选一个包含明确结构、纹理和光影的主体 材质描述 光照描述 背景描述 质量词不用堆砌太多控制在 40 个词以内避免不同采样器对长提示词的处理差异干扰判断。然后跑一组网格第一组一阶方法 20 步、25 步作为基线。 第二组EDM 15 步、20 步、25 步。 第三组EDM 20 步 churn 10。把六张图拼在一起看三件事整体构图有没有跑偏、主体边缘的锐度、阴影和过渡区域的噪点密度。我实际跑下来的结论大致是EDM 15 步的构图稳定性已经追平一阶 20 步EDM 20 步的细节明显更实特别是材质纹理织物、金属、木纹的连贯性更好不容易出现糊成一片EDM 25 步相比 20 步提升已经不大但耗时涨了近三成。所以20 步是 EDM 的甜蜜点。加 churn 那一组能明显看到阴影区域的噪点变多纹理反而更活了但平整背景比如纯色墙面会有一点脏。这就是 churn 的双面性。3.4 分辨率与 CFG 的联动细节EDM 采样器在原生分辨率附近表现最好。SD 1.5 系列的原生训练分辨率是 512在这个尺寸下 sigma 阶梯和网络的条件分布是对齐的。一旦把分辨率拉到 768 以上直接生成问题就来了所有采样器都会出现多头多肢或结构崩坏EDM 也不例外因为它解决的是数值积分精度问题不是训练分布外推问题。别指望换个采样器就能治这个病。正确的做法还是老一套先按原生分辨率生成再用高分辨率修复放大。这里有个小技巧——第二遍放大时换成 EDM 采样器步数给 15 到 18重绘幅度 0.35 到 0.45效果通常比第一遍用一阶方法、第二遍也一阶更好。原因是放大阶段的主要任务是补细节二阶方法在小步长下的边缘收敛更准能少出一些噪点。CFG 方面EDM 对 CFG 的容忍度比一阶方法低。我在 SDXL 上测过CFG 从 6 到 9 扫一遍EDM 在 7 附近最均衡8.5 时开始出现高对比度的塑料感色块之间过渡变硬。一阶方法同样条件下到 9 还能撑住。所以换 EDM 时CFG 往下调 0.5 到 1.0 是常态。4. 实操中遇到的问题与排查思路4.1 出图发灰、对比度低是怎么回事这是我遇到最多的问题第一次用 EDM 时踩得很深。画面整体像蒙了一层雾暗部提不上去颜色也淡。排查顺序是这样先看 sigma_max 的映射。如果实现里直接把论文的 80 套过来latents 在第一步就被打散后续所有步骤都在错误的起点上推进结果必然发灰。这个在各前端里表现不一有的版本已经修好有的旧版本还存在。再看 churn。如果 S_churn 给了一个比较大的值同时步数又少那每步注入的噪声比例会很高画面整体被推向高熵状态视觉上就是发灰、失去对比。把 churn 归零再跑一次如果对比度回来了就是这个问题。还有一种情况是 CFG 太高。前面说过EDM 对 CFG 敏感8.5 以上容易出现局部过曝但整体可能反而显得平淡因为过曝区域吃掉了动态范围。把 CFG 降到 6.5 试一次对比一下。4.2 细节碎、纹理颗粒感过重这个现象很有辨识度远看还行放大一看满屏细碎的颗粒像老照片的噪点。根本原因是采样过程中噪声注入过量或者 sigma 阶梯在后段不够密。前者对应 churn 和 S_noise 设置过高后者对应步数太少。处理方式很直接S_churn 归零S_noise 保持 1.0步数提到 20 以上。这三个动作做完颗粒感基本能压下去。还有一个隐藏原因VAE 解码的影响。有的 VAE 本身在细节区域就会产生颗粒跟采样器无关。判断方法是换成另一个 VAE 跑同一组参数如果颗粒感跟着变那问题不在采样器上。4.3 图生图完全不像原图图生图场景下最常见的原因是 churn 给大了。churn 注入的额外噪声会破坏原图的低层结构重绘幅度再一叠加原图特征就没了。我的处理顺序先把 churn 降到 0 跑一次确认基础保真度如果还不够像把重绘幅度从 0.6 降到 0.45如果还想保留更多结构考虑用局部重绘而不是整图重绘。churn 只在我想在原图基础上做风格化探索时才加常规改图不加。还有一个容易忽略的点图生图的初始 sigma 是从重绘幅度换算来的而 EDM 的 sigma 阶梯是从高到低取的如果起始 sigma 落在 churn 区间之外比如 S_tmax 设得比起始 sigma 还小churn 实际不生效你会以为参数没起作用。检查一下 S_tmax 和起始 sigma 的大小关系。4.4 常见问题速查表现象高频原因处理手段出图整体发灰sigma_max 映射错误、churn 过大归零 churn检查实现版本纹理颗粒感重S_noise 1、步数不足S_noise1.0步数提到 20局部色块过曝CFG 过高CFG 下调 0.5-1.0步数增加但没提升已收敛阶梯密度足够停在 20-24 步别浪费算力30 步反而比 20 步差churn 累积噪声churn 归零后重测图生图不像原图churn 过大、重绘幅度高churn0重绘幅度降到 0.45出图速度慢一倍二阶求解器双倍评估属正常用 15-20 步平衡高分辨率生成崩坏超出训练分布原生分辨率生成后再放大提示排查时每次只改一个变量。采样器类问题的变量太多同时改三个参数你永远不知道是哪个起了作用。我的习惯是准备一个固定的测试配方改一处跑一次做完记录。4.5 几个不那么明显的坑第一个坑是步数取奇偶数时的差异。Heun 的第一步只评估一次后续每步评估两次所以总评估数是 2N-1。当 N 取奇数时最后一步的校正可能落在一个比较尴尬的位置个别实现会因此产生轻微差异。这个影响很小但如果你在做严格的 A/B 对比最好把步数固定在偶数上减少变量。第二个坑是切换采样器后种子不通用。同一串种子在不同采样器下出来的是完全不同的图这不算 bug但很多人做对比时忘了这一点以为是采样器出问题了。做对比实验必须固定种子但也要明白同一张图在不同采样器下本来就该不同。第三个坑是某些前端把 EDM 和一阶方法混在一个下拉框里名字看着像但实际不是。判断方法还是那三条sigma 参数化、二阶校正、预条件。如果拿不准就看耗时双倍耗时的多半是完整实现。5. 和其他采样器的横向对比与选型思路5.1 一张表看清差异采样器类型每步网络评估20 步实际评估低步数表现细节锐度随机性控制Euler 类一阶1 次20 次及格中等弱Heun 类二阶2 次首步 1 次39 次良好较高强可调 churnDPM 多步类1 次20 次良好高中带 SDE 的变体1-2 次20-39 次优秀高强看这张表能得出一个很实用的结论如果你的算力充裕、想要可预测的收敛行为选 EDM如果算力紧张、追求速度一阶或多步方法更划算。EDM 的优势不在绝对画质更高而在于同样的画质下步数更少、行为更可控。我在一张 1024×1024 的图上做过粗略对比一阶方法要 30 步才达到的细节完整度EDM 大约 18 到 20 步就能达到但总耗时还是 EDM 略高一点因为双倍评估。所以严格说EDM 省的是步数不是时间。这个认知很重要能避免很多不切实际的期待。5.2 什么时候该用它什么时候别碰适合用的场景我总结成三类第一类是材质和纹理要求高的图。织物、金属、木纹、石材这几种材质EDM 的连贯性明显更好因为它在小 sigma 区间的步长分配更密细节定型阶段收敛更充分。我做过一组金属表面的对比一阶方法在 20 步时高光边缘会糊EDM 同样 20 步边缘是清楚的。第二类是需要严格复现的批量生产。因为 churn 可以归零、sigma 阶梯是确定的、步数和结果的关系平滑做批量任务时不容易出现这批图某几张莫名其妙崩掉的情况。第三类是图生图的中等幅度改造。配合较小的 churn能在保留原图结构的同时做出风格变化比一阶方法更少出现结构被撕碎的现象。不适合的场景也说三个一是低步数快速草稿。10 步以下的 EDM 没有意义二阶校正来不及发挥作用还不如一阶方法干脆。二是追求极致随机变化的场景。EDM 的确定性是优点也是限制想要那种每步都带随机分支的探索感带 SDE 的变体更合适。三是显卡性能吃紧时的批量任务。双倍评估在批量场景下成本累积很明显这时候用多步一阶方法更实际。5.3 一个实用的组合工作流我现在的常规流程是这样分享出来供参考。第一步用一阶方法 14 步、CFG 6.5 快速出一组 4 张草图只判断构图和主体位置不看细节。这个阶段耗时短方便快速迭代提示词。第二步选中构图满意的图种子记下来换成 EDM 采样器20 步、CFG 7.0、churn 0重新生成。这一步的耗时大约是草图的两倍但因为只跑一张完全可以接受。第三步如果要做高分辨率放大时继续用 EDM步数 16、CFG 6.0、重绘幅度 0.4让二阶方法去补细节。这套流程的好处是在试错成本最低的环节快速迭代在质量最关键的环节用最稳的方法。直接用 EDM 做草图会浪费时间直接用一阶方法做最终出图细节又不够。还有一个小技巧如果你发现 EDM 出图整体偏硬、少了一点自然感可以试着把 CFG 往下压一点点同时把提示词里的风格描述词加强用提示词去补风格而不是靠拉高 CFG 硬顶。这个调整方向我踩过几次坑才摸出来CFG 往上走总是先出问题。最后说个我自己的体会采样器这类东西看得再多不如自己跑一组对照。不同模型、不同分辨率、不同显卡最优参数都会有偏移网上的参数表只能当起点不能当答案。我上面这些数字都是在自己常用的配置下调出来的你拿去用的时候把它当成初始猜测然后用 3.3 节那套对照方法自己验一遍通常一两轮就能校准到适合你的位置。真正值钱的不是某个具体数字而是那套一次只改一个变量、固定种子、固定提示词的测试习惯。