Z-Image: ein Online-Tool zur Bilderzeugung auf der Grundlage des 6B-Modells, das von Ali Tongyi Labs eingeführt wurde

Z-Image ist ein effizientes Basismodell für die Bilderzeugung, das von Alibaba Tongyi Lab entwickelt wurde und als Open Source zur Verfügung steht. Es verwendet eine innovative Architektur namens Scalable Single-Stream DiT (S3-DiT), um Text, visuelle Semantik und latente Bildvariablen in einem einzigen Datenstrom zu vereinen und so die Effizienz der Parameter erheblich zu verbessern. Im Gegensatz zu Megamodellen mit Dutzenden von Milliarden von Parametern enthält Z-Image nur 6 Milliarden (6B) Parameter und erzeugt dennoch fotorealistische Bilder, die mit den besten kommerziellen Modellen vergleichbar sind. Das bemerkenswerteste Merkmal des Modells ist, dass es "produktionsfreundlich" ist, mit schnellen Inferenzgeschwindigkeiten (die Turbo-Version erreicht Bilder im Sub-Sekunden-Bereich) und minimalen Hardware-Anforderungen, die problemlos auf Consumer-Grafikkarten mit bis zu 16 GB Videospeicher laufen. Darüber hinaus löst Z-Image die Probleme traditioneller grafischer Modelle bei der Textverarbeitung und ist in der Lage, komplexe chinesische und englische Texte genau zu rendern. Dies ist eine repräsentative Arbeit in der Open-Source-Gemeinschaft, die ein Gleichgewicht zwischen Leistung, Effizienz und Textgenerierungsfähigkeit herstellt.

Funktionsliste

• Hochwertige BilderzeugungErzeugt fotorealistische, detaillierte und schön komponierte Bilder auf der Grundlage der parametrischen 6B-Skala.
• Zweisprachige TextwiedergabeDie einzigartige Textkodierungsfunktion ermöglicht es, komplexe chinesische und englische Schriftzeichen in Bildern zu generieren und das Problem "KI kann nicht lesen" zu lösen.
• Extremes logisches Denken (Turbo-Modus): Vorausgesetzt Z-Image-Turbo Version, bei der die Inferenzschritte durch Destillation auf 8 reduziert werden, ermöglicht eine Generierung im Subsekundenbereich auf Unternehmens-GPUs und ist extrem schnell auf Consumer-Grafikkarten.
• geringer SpeicherplatzbedarfDie sorgfältig optimierte Architektur ermöglicht es dem Modell, auf Grafikkarten mit weniger als 16 GB VRAM zu laufen, wie z. B. der RTX 4080/4090 oder sogar niedrigeren Speicherkonfigurationen.
• Genaue Anweisungen werden befolgt::Z-Image-Edit Version ist speziell auf die Bildbearbeitung abgestimmt und kann komplexe Befehle in natürlicher Sprache verstehen, um lokale Änderungen oder globale Stilkonvertierungen an Bildern vorzunehmen.
• Ein-Strom-Architektur (S3-DiT)Die Einführung einer Single-Stream-Architektur mit vollständiger gemeinsamer Nutzung von Parametern anstelle des traditionellen Dual-Stream-Designs (Trennung von Text und Grafik) verbessert die Tiefe des Verständnisses des Modells für grafische Beziehungen.

Hilfe verwenden

Z-Image bietet eine Vielzahl von Einsatzmöglichkeiten, sowohl für Entwickler über Python-Code als auch für Designer über die ComfyUI und andere visuelle Schnittstellen zu verwenden. Im Folgenden finden Sie eine ausführliche Bedienungsanleitung für allgemeine Benutzer und Entwickler.

1. die Vorbereitung der Hardware

Bevor Sie beginnen, vergewissern Sie sich, dass Ihr Computer die folgenden Grundvoraussetzungen erfüllt:

• BetriebssystemLinux oder Windows (Windows 10/11 empfohlen).
• Grafikkarte (GPU)NVIDIA-Grafikkarte mit mindestens 16 GB Videospeicher empfohlen (die Turbo-Versionen sind für einen geringeren Videospeicher optimiert, aber 16 GB werden für ein optimales Spielerlebnis empfohlen).
• MatrixPython 3.10+ und PyTorch sind installiert.

2. mit ComfyUI ausführen (empfohlen für Designer/allgemeine Benutzer)

ComfyUI ist das am weitesten verbreitete knotenbasierte Tool zur Erstellung von KI-Graphen, und Z-Image verfügt bereits über einen von der Community unterstützten Workflow.

Installationsschritte:

1. Download Modellgewichte::
   Besuchen Sie HuggingFace oder ModelScope (die Magic Hitch Community) und suchen Sie nach Z-Image-Turbo.
   Laden Sie die Master-Modelldatei herunter (normalerweise .safetensors (Format).
   Legen Sie die heruntergeladene Datei in ComfyUI's models/checkpoints/ Katalog.
2. ComfyUI aktualisieren::
   Stellen Sie sicher, dass Ihr ComfyUI auf dem neuesten Stand ist oder dass Sie ein Plug-in eines Drittanbieters installiert haben, das die Z-Image-Architektur unterstützt (z. B. das ComfyUI-GGUF (oder einen speziellen Z-Image-Ladeknoten, je nach Aktualisierungen durch die Gemeinschaft).
3. Laden von Arbeitsabläufen::
   Laden Sie die offizielle oder von der Community bereitgestellte Z-Image-Version herunter workflow.json Datei (normalerweise in einem GitHub-Repository oder in der Civitai (Sie finden es unter).
   Ziehen Sie die JSON-Datei in die ComfyUI-Oberfläche.
4. Bilder generieren::
   Geben Sie Ihre Eingabeaufforderung in den Knoten "CLIP Text Encode" ein. z-Image unterstützt z. B. chinesische Eingabeaufforderungen:一张海报，上面写着“通义实验室”五个大字，背景是未来的科技城市.
   Klicken Sie auf "Warteschlangenaufforderung", um mit der Erstellung zu beginnen.

3. mit Python-Code ausführen (für Entwickler empfohlen)

Wenn Sie mit der Programmierung vertraut sind, können Sie direkt die diffusers Bibliothek, um das Modell auszuführen.

Installieren Sie die Abhängigkeit:
Öffnen Sie ein Terminal oder eine Eingabeaufforderung und führen Sie den folgenden Befehl aus, um die erforderlichen Bibliotheken zu installieren:

pip install torch diffusers transformers accelerate

Schreiben Sie ein laufendes Skript:
Erstellen Sie eine Datei mit dem Namen run_zimage.py Datei, geben Sie den folgenden Code ein:

import torch
from diffusers import DiffusionPipeline
# 加载 Z-Image-Turbo 模型
# 注意：如果无法直接访问 HuggingFace，请使用 ModelScope 的镜像地址
pipe = DiffusionPipeline.from_pretrained(
"Tongyi-MAI/Z-Image-Turbo",
torch_dtype=torch.bfloat16,
use_safetensors=True
)
# 启用显存优化
pipe.enable_model_cpu_offload()
# 定义提示词（支持中文）
prompt = "一只穿着宇航服的猫在月球上喝咖啡，背景有地球，照片级真实感"
# 生成图像
image = pipe(
prompt=prompt,
num_inference_steps=8,  # Turbo 版本仅需 8 步
guidance_scale=0.0      # Turbo 版本通常设为 0
).images[0]
# 保存图片
image.save("z_image_result.png")

Erzeugung durchführen:
Läuft im Terminal:

python run_zimage.py

Am Ende des Laufs wird eine Datei namens z_image_result.png Die Bilder.

4. erweiterte Funktionen: Bildbearbeitung

Wenn Sie ein bestehendes Bild ändern möchten, laden Sie bitte Folgendes herunter Z-Image-Edit Modellgewichte und verwenden eine ähnliche Codestruktur, laden aber die Image-to-Image verwandte Pipeline und liefert ein Ausgangsbild als Eingabe.

Anwendungsszenario

1. Entwurf eines E-Commerce-Posters
   Designer können die leistungsstarken Textrendering-Funktionen von Z-Image nutzen, um direkt E-Commerce-Plakathintergründe mit dem korrekten Produktnamen und Slogan zu generieren. Dadurch entfällt die aufwändige PS-Synthese des Textes in der Nachbearbeitung und der Designprozess wird drastisch verkürzt.
2. Erstellung von Inhalten für soziale Medien
   Ersteller von Eigenmedien können chinesische Prompts verwenden, um schnell Grafiken zu erstellen, die zum chinesischen kulturellen Kontext passen, wie z. B. Grafiken für Feiertagsgrüße, Illustrationen im antiken Stil usw., ohne sich über die komplexe Schwelle englischer Prompts Gedanken machen zu müssen.
3. Prototyping von Spielelementen
   Spieleentwickler können Konzeptzeichnungen für Spielcharaktere oder -szenen auf einer Entwicklungsmaschine mit 16 GB Grafikspeicher schnell überarbeiten und dabei die sekundenschnelle Geschwindigkeit der Turbo-Version für eine inspirierende Visualisierung in Echtzeit nutzen.
4. Bildung und Dokumentation
   Lehrkräfte oder Verfasser von Dokumenten können Diagramme oder Illustrationen mit erklärendem Text erstellen, die das Weltwissen des Modells nutzen, um wissenschaftliche Phänomene oder historische Szenarien genau darzustellen.

QA

1. Diese Website-Adresse z-img.org Warum lässt sie sich nicht öffnen?
   Die von Ihnen angegebene URL z-img.org Es ist sehr wahrscheinlich, dass es sich um einen alten, nicht mehr existierenden Domänennamen oder eine falsch angegebene Adresse handelt. Dieser Artikel beschreibt die Z-Image Das Projekt wird offiziell hauptsächlich auf GitHub gehostet (github.com/Tongyi-MAI/Z-Image) und HuggingFace-Plattformen. Bitte besuchen Sie diese offiziellen Code-Hosting-Plattformen direkt für Ressourcen.
2. Was sind die Vorteile von Z-Image gegenüber Stable Diffusion (SDXL)?
   Die wichtigsten Stärken von Z-Image sindEffizienzim Gesang antwortenChinesische Sprachkenntnisse. Dies geschieht unter Beibehaltung der 6B-Parameter (größer als der SDXL, aber kleiner als der Flux Die S3-DiT-Architektur erreicht sehr hohe Inferenzgeschwindigkeiten bei geringer Größe und unterstützt von Haus aus chinesische Stichwörter und chinesische Texterzeugung, was normalerweise ein zusätzliches ControlNet auf SDXL erfordern würde.
3. Wie viel Videospeicher ist für die Ausführung von Z-Image mindestens erforderlich?
   Offiziell wird für eine optimale Leistung ein Videospeicher von 16 GB empfohlen. Es ist jedoch möglich, eine Karte mit 8 GB - 12 GB RAM mit einer quantisierten Version (z. B. GGUF-Format) oder mit aktivierter extremer Speicheroptimierung (CPU-Offload) zu betreiben, aber die Generierungsgeschwindigkeit wird langsamer sein.
4. Ist sie im Handel erhältlich?
   Achten Sie darauf, die Lizenzdatei des Modells auf den Seiten von HuggingFace oder GitHub zu überprüfen. Im Allgemeinen sind die Open-Source-Modelle der Ali-Tongyi-Familie für die akademische Forschung zugelassen. Für die kommerzielle Nutzung sind je nach der letzten offiziellen Erklärung möglicherweise spezielle Protokolle oder eine Registrierung erforderlich.