阿里通义实验室开源Z-Image：全球最强开源图像生成模型

Z-Image是什么

Z-Image 是阿里通义推出的图像生成模型，具有6B参数。模型包含三个变体：Z-Image-Turbo、Z-Image-Base 和 Z-Image-Edit，分别擅长快速推理、基础开发和图像编辑。模型采用单流DiT架构，支持双语文本渲染，能根据自然语言指令生成或编辑高质量图像。通过解耦DMD和DMDR技术，Z-Image在性能和生成质量上表现出色，适合多种创意应用。

目前大家用的是这个Trubo精简版本，也就是单纯的文生图版本，base正式版以及Edit编辑版本，后续会推出。

🚀 Z-Image-Turbo：Z-Image 的蒸馏版本，在仅需 8 次函数评估(Number of Function Evaluation，NPE)的情况下，可达到或超过领先模型的性能。在H800 GPU 上达到亚秒级推理延迟，并能轻松在 16G 显存的消费级GPU上运行。它在照片级真实感图像生成、双语文本渲染（中文和英文）以及强大的指令遵循方面表现出色。

🧱 Z-Image-Base：非精简的基础模型。通过发布此检查点，我们旨在解锁社区驱动的微调和自定义开发的全部潜力。

✍️Z-Image-Edit：专为图像编辑任务在 Z-Image 基础上微调的版本。它支持创意图像到图像的生成，并具备出色的指令遵循能力，可根据自然语言提示进行精确编辑。

Z-Image的主要功能

• 高效图像生成：Z-Image 能快速生成高质量的逼真图像，适用于多种场景，如创意设计、艺术创作和虚拟内容生成。
• 双语文本渲染：支持中英文文本渲染，能准确生成包含复杂文字内容的图像，适用多语言环境下的图像生成任务。
• 创意图像编辑：通过 Z-Image-Edit 变体，用户能根据自然语言指令对图像进行精确编辑，实现创意变换和风格调整。
• 低资源适配：Z-Image-Turbo 版本优化了推理效率，可在低资源设备（如消费级 GPU）上快速运行，适合企业级和消费级应用场景。
• 社区驱动开发：提供基础模型（Z-Image-Base），便于开发者进行微调和自定义开发，满足多样化需求。

二、相关安装

comfyui要求：开发版：eaf68c9及以上（16G显存的人妥妥的可以跑了，又快又好。）

模型链接：https://modelscope.cn/models/VerStella/z_image_turbo_comfyui/files

大模型 11.4G：z_image_turbo_bf16.safetensors

text文本编码 7.49G：qwen_3_4b.safetensors

vae 319M：ae.safetensors

使用教程

模型加载器：UNETLoader (#16), CLIPLoader (#18), VAELoader (#17)

此阶段加载核心Z Image Turbo检查点、文本编码器和自动编码器。如果有的话，选择BF16检查点，因为它在消费者GPU上平衡了速度和质量。CLIP风格编码器确保您的措辞控制场景和风格。AE用于在采样完成后将潜在转回RGB。

提示：CLIP Text Encode (Positive Prompt) (#6) 和 CLIP Text Encode (Negative Prompt) (#7)

在正面提示中使用具体名词、风格提示、相机提示和光照写下您想要的内容。使用负面提示抑制常见的伪影，如模糊或不需要的物体。如果您看到提示前缀，例如官方示例中的说明标题，您可以保留、编辑或删除它，工作流仍将运行。这些编码器共同产生在采样期间引导Z Image的条件。

潜在和调度器：EmptySD3LatentImage (#13) 和 modelsamplingAuraFlow (#11)

通过设置潜在画布选择输出大小。调度器节点将模型切换到与步骤高效精简模型良好对齐的AuraFlow风格采样策略。这在低步骤计数时保持轨迹稳定，同时保留细节。一旦设置了画布和计划，管道就准备好去噪。

采样：KSampler (#3)

此节点使用加载的Z Image模型、选定的调度器和您的提示条件执行实际去噪。根据需要调整采样器类型和步骤计数以在速度和细节之间进行权衡。指导比例控制相对于先前的提示强度；适中的值通常在保真度和创意变化之间给出最佳平衡。随机化种子以进行探索或固定以获得可重复的结果。

解码和保存：VAEDecode (#8) 和 SaveImage (#9)

在采样后，AE将潜在解码为图像。保存节点将文件写入您的输出目录，以便您可以比较迭代或将结果输入下游任务。如果计划放大或后处理，请保持解码在您期望的工作分辨率并导出无损格式以获得最佳质量保留。

三、工作流示例

Z-Image生成效果

逼真的质量：Z-Image-Turbo 在保持出色美学质量的同时，提供强大的逼真图像生成能力。

总结：

总而言之， Z-Image为图像生成领域引入了一种高效、低成本的实现路径。它证明了顶尖性能并非只依赖于巨大的模型和计算资源。这反过来也为更广泛的研究者和开发者降低了技术与成本门槛，为更多普惠、创新的应用铺平了道路。我们期待社区的积极参与和反馈，与我们共同构建一个不仅开放、透明，而且更加高效、普惠和可持续的生成式AI生态。