一、摘要
Z-Image（造相）是 Tongyi-MAI 开源的 6B 参数图像生成基础模型家族，采用单流扩散 Transformer（Single-Stream Diffusion Transformer / S3-DiT）架构。与强调速度的 Z-Image-Turbo 不同，Z-Image定位为“全容量、非蒸馏”的骨干模型，面向需要更强可控性、更丰富风格覆盖与更高生成多样性的创作者、研究者与开发者。
二、核心特性
1、非蒸馏基础模型：保留完整训练信号，支持完整 CFG（Classifier-Free Guidance），更适合复杂提示词工程与专业工作流。
2、审美与风格覆盖广：从写实摄影、电影质感到插画、动漫与多种风格化表达，适合多维度创作探索。
3、更强输出多样性：不同随机种子下构图、人物面部身份、光照变化更显著，多人场景更容易“各有其人”。
4、负面提示词鲁棒：对 negative prompt 响应更稳定，可用于压制伪影、控制构图与减少不希望出现的元素。
5、面向二次开发：天然适合作为 LoRA 微调底座，并可扩展到结构条件控制（如 ControlNet）与语义条件控制等方向。
三、安装
1、获取代码：克隆官方 GitHub 仓库，按仓库说明创建 Python 环境并安装依赖。
2、获取权重：在 Hugging Face 或 ModelScope 下载对应变体（Z-Image / Turbo / Omni-Base / Edit）。
3、运行推理：参考仓库 Quick Start 或示例脚本，按显存与速度需求选择步数、CFG、分辨率等参数。
四、典型用例
1、风格探索与创意发散：需要大量高差异候选图（不同构图/光影/人物形象）时更占优势。
2、专业提示词工程：依赖 CFG、负面提示词与多轮迭代，追求“更可控”的画面落地。
3、下游微调：以 Z-Image/Omni-Base 为底座训练风格 LoRA、角色 LoRA、行业素材 LoRA。
4、图像编辑：使用 Z-Image-Edit 做自然语言驱动的局部修改、风格迁移与一致性编辑。
5、开发集成：把生成能力嵌入工作流（海报草案、素材批量生成、A/B 视觉方案对比）。
五、生态与竞品
1、生态：代码与权重分别在 GitHub、Hugging Face、ModelScope 分发，并提供在线 Demo/Gallery 供体验。
2、竞品视角：与常见蒸馏加速模型相比，Z-Image 更强调“基础能力、可控性与可微调性”；与闭源商用模型相比，其优势在于开源透明与可自定义，但最终效果仍取决于你的提示词、参数与下游微调质量。
六、局限与注意事项
1、基础模型追求自由度时，稳定复现同一画面需要更严格的种子/参数/版本管理。
2、CFG、分辨率与步数会显著影响质量与速度，建议建立团队级默认配置与回归用例。
3、多人一致性、复杂文字排版等场景仍建议人工抽检与后期修正。
4、不同变体定位不同：Turbo 适合高吞吐与低延迟；Z-Image 更适合创作与微调；Edit 面向编辑任务；Omni-Base 更偏“通用底座”。
七、项目地址
https://github.com/Tongyi-MAI/Z-Image
八、常见问题
Q: Z-Image 与 Z-Image-Turbo 的核心区别是什么？
A: Z-Image偏“全容量非蒸馏底座+CFG 可控性+可微调”，Turbo 偏“蒸馏加速+更少步数快速出图”。
Q: Z-Image 为什么更适合作为 LoRA/ControlNet 底座？
A: 非蒸馏模型通常保留更完整的表示能力与训练信号，更利于下游注入新风格与条件控制。
Q: 如何用 negative prompt 提升 Z-Image 画面稳定性？
A: 将常见伪影、畸形、重复肢体、低清晰度、错误文字等明确写入 negative prompt，并配合 CFG 与步数调参。
Q: Z-Image-Edit 适合哪些编辑任务？
A: 更适合“指令式编辑”，例如局部替换、风格迁移、背景调整与保持主体一致性的改图需求。
