DreamCatalyst通过控制可编辑性和身份保留实现快速且高质量的3D编辑得益于其固有的3D一致性，打分蒸馏采样（Score distillation sampling, SDS）已成为文本驱动的3D编辑任务中的有效框架。然而，现有的基于SDS的3D编辑方法由于偏离了扩散模型的采样动态，存在训练时间过长和结果质量低下的问题。在本文中，我们提出了DreamCatalyst，这是一种新颖的框架，将基于SDS的编辑视为扩散逆过程。我们的目标函数考虑了采样动态，从而使DreamCatalyst的优化过程成为编辑任务中扩散逆过程的近似。DreamCatalyst旨在减少训练时间并提高编辑质量。DreamCatalyst提供两种模式：(1) 更快的模式，只需约25分钟即可编辑NeRF场景，(2) 高质量模式，在不到70分钟内生成卓越结果。具体来说，我们的高质量模式在速度和质量方面都优于当前最先进的NeRF编辑方法。