Z Image Turbo logoZ Image Turbo

Z Image Turbo:革命性的 8 步图像生成

体验 Z Image Turbo 的亚秒级推理延迟,这是最有效的图像生成模型。Z Image Turbo 仅需 8 步即可提供逼真质量的图像,非常适合企业应用和具有 16GB VRAM 的消费设备。

体验 Z Image Turbo 演示

通过我们的交互式演示在线试用 Z Image Turbo。Z Image Turbo 演示允许您在无需安装的情况下测试模型的功能。探索 Z Image Turbo 的逼真生成、双语文本渲染和指令遵循能力。亲身了解为什么 Z Image Turbo 正在彻底改变图像生成。

为什么选择 Z Image Turbo?

闪电般快速的性能

Z Image Turbo 在企业级 H800 GPU 上实现了亚秒级推理延迟,使其成为目前最快的图像生成模型。仅需 8 个函数评估数 (NFE),Z Image Turbo 就能在保持卓越图像质量的同时超越竞争对手。无论您是构建实时应用程序还是批量处理工作流程,Z Image Turbo 都能提供无与伦比的速度。

照片级逼真的图像质量

尽管速度惊人,Z Image Turbo 仍保持着卓越的照片级逼真图像生成能力。该模型擅长创建能够媲美甚至超越领先竞争对手的高质量图像。Z Image Turbo 的先进架构确保生成的每张图像都符合细节、真实感和美学吸引力的专业标准。

双语文本渲染

Z Image Turbo 以其卓越的双语文本渲染能力脱颖而出,能够准确处理生成图像中的英语和中文文本。这一独特功能使 Z Image Turbo 非常适合全球应用程序和多语言内容创建。该模型精密的文本理解能力确保了复杂排版和字符的精确渲染。

内存高效

Z Image Turbo 旨在舒适地适应 16GB VRAM 消费设备,使更广泛的受众能够使用高级 AI 图像生成技术。这种内存效率与 Z Image Turbo 的速度相结合,为使用标准硬件配置的开发人员和创作者开辟了新的可能性。

强大的指令遵循

Z Image Turbo 展现出令人印象深刻的指令遵循能力,能够准确地解释和执行复杂的提示。无论您描述的是详细场景、特定艺术风格还是精确构图,Z Image Turbo 都能理解并准确地提供您所设想的内容。这种可靠性使 Z Image Turbo 成为专业应用的可靠选择。

开源和社区驱动

Z Image Turbo 在 Hugging Face 和 ModelScope 上可用,从而培养了一个充满活力的开发人员和研究人员社区。Z Image Turbo 的开源性质鼓励创新、定制和持续改进。加入成千上万已经利用 Z Image Turbo 来开展项目的用户行列。

Z Image Turbo 性能基准

在比较 Z Image Turbo 与 Stable Diffusion 和其他领先模型时,Z Image Turbo 始终表现出卓越的性能指标。Z Image Turbo 性能基准揭示了在不降低质量的情况下实现的卓越效率。

模型推理步数延迟 (H800)所需 VRAM图像质量
Z Image Turbo8 步<1 秒16GB优秀
Stable Diffusion XL50 步~5 秒20GB+优秀
MidjourneyN/A~10 秒云端优秀

8

推理步数

<1 秒

平均延迟

16GB

所需 VRAM

6B

模型参数

Z Image Turbo 快速入门指南

开始使用 Z Image Turbo 非常简单。按照此 Z Image Turbo 安装指南,在几分钟内开始生成图像。我们的 Z Image Turbo 教程涵盖从设置到高级使用的所有内容。

Z Image Turbo 安装

要安装 Z Image Turbo,您需要使用最新版本的 diffusers。Z Image Turbo 安装过程需要 Python 3.8+ 和 PyTorch。以下是如何启动并运行 Z Image Turbo:

pip install git+https://github.com/huggingface/diffusers

Z Image Turbo 代码示例

安装 Z Image Turbo 后,您可以立即开始生成图像。此 Z Image Turbo 代码示例演示了基本用法模式。Z Image Turbo API 直观且对开发人员友好,使集成无缝。

import torch
from diffusers import ZImagePipeline

# Load Z Image Turbo
pipe = ZImagePipeline.from_pretrained(
    "Tongyi-MAI/Z-Image-Turbo",
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")

# Generate with Z Image Turbo
image = pipe(
    prompt="Your prompt here",
    height=1024,
    width=1024,
    num_inference_steps=9,
    guidance_scale=0.0,
).images[0]

Z Image Turbo 要求

在使用 Z Image Turbo 之前,请确保您的系统满足 Z Image Turbo 要求。Z Image Turbo 在启用 CUDA 的 GPU 上效果最佳,但也支持 CPU 推理。为获得最佳 Z Image Turbo 性能,我们建议使用 bfloat16 精度并在可用时启用 Flash Attention。

下载 Z Image Turbo

Z Image Turbo 在多个平台上可用。从 Hugging Face 或 ModelScope 下载 Z Image Turbo 即可开始使用。Z Image Turbo 下载包括所有必要的模型文件和文档。无论您是寻找 Z Image Turbo Hugging Face 集成还是 ModelScope 部署,我们都能满足您的需求。

Hugging Face

直接从 Hugging Face 下载 Z Image Turbo。Z Image Turbo Hugging Face 存储库包括模型权重、配置文件和全面的文档。与 Hugging Face 生态系统的集成使 Z Image Turbo 易于与现有工作流程一起使用。

从 Hugging Face 下载

ModelScope

通过 ModelScope 访问 Z Image Turbo,面向中国用户和开发者的平台。ModelScope 平台为 Z Image Turbo 提供优化的分发和额外的资源。ModelScope 提供更快的下载速度和本地化支持。

从 ModelScope 下载

Z Image Turbo 文档

提供了全面的 Z Image Turbo 文档,可帮助您最大限度地发挥模型的潜力。我们的 Z Image Turbo API 文档涵盖所有参数、方法和高级功能。无论您需要 Z Image Turbo 教程内容、架构详细信息还是故障排除指南,我们的文档都能满足您的需求。

Z Image Turbo API 文档

Z Image Turbo API 的完整参考,包括所有方法、参数和返回值。Z Image Turbo API 文档提供了代码示例、最佳实践和性能优化技巧。

Z Image Turbo 架构

了解 Z Image Turbo 的可扩展单流 DiT (S3-DiT) 架构。了解 Z Image Turbo 如何通过创新的设计选择和解耦 DMD 蒸馏方法实现其卓越的效率。

Z Image Turbo 用例

探索 Z Image Turbo 的实际应用。从商业图像生成到创意项目,了解 Z Image Turbo 如何在各个行业中使用。了解 Z Image Turbo 的用例和最佳实践。