Z Image Turbo logoZ Image Turbo

Z Image Turbo:革命性的 8 步圖像生成

使用 Z Image Turbo 體驗亞秒級推論延遲,這是最有效的圖像生成模型。Z Image Turbo 僅需 8 步即可提供逼真品質的圖像,使其非常適合企業應用程式和具有 16GB VRAM 的消費者設備。

體驗 Z Image Turbo 演示

透過我們的互動式演示線上試用 Z Image Turbo。Z Image Turbo 演示讓您可以測試模型的功能,而無需任何安裝。探索 Z Image Turbo 的逼真生成、雙語文字渲染和指令遵循能力。親自了解 Z Image Turbo 為何正在徹底改變圖像生成。

為何選擇 Z Image Turbo?

閃電般快速的效能

Z Image Turbo 在企業級 H800 GPU 上實現亞秒級推論延遲,使其成為目前最快的圖像生成模型。僅需 8 個函數評估次數 (NFE),Z Image Turbo 就能在保持卓越圖像品質的同時超越競爭對手。無論您是建構即時應用程式還是批次處理工作流程,Z Image Turbo 都能提供無與倫比的速度。

逼真圖像品質

儘管速度驚人,Z Image Turbo 仍保持卓越的逼真圖像生成能力。該模型擅長創建可與領先競爭對手匹敵或超越的高品質圖像。Z Image Turbo 的先進架構確保每個生成的圖像都符合專業標準的細節、真實感和美學吸引力。

雙語文字渲染

Z Image Turbo 以其卓越的雙語文字渲染能力脫穎而出,可以準確處理生成圖像中的英文和中文文字。這種獨特的功能使 Z Image Turbo 成為全球應用程式和多語內容創建的理想選擇。該模型複雜的文字理解能力確保精確渲染複雜的字體和字元。

内存高效

Z Image Turbo 旨在舒適地容納在 16GB VRAM 消費者設備中,使更廣泛的受眾可以存取高級 AI 圖像生成。這種記憶體效率與 Z Image Turbo 的速度相結合,為使用標準硬體配置的開發人員和創作者開闢了新的可能性。

強大的指令遵循

Z Image Turbo 展現了令人印象深刻的指令遵循能力,可以準確地解釋和執行複雜的提示。無論您是描述詳細的場景、特定的藝術風格還是精確的構圖,Z Image Turbo 都能理解並準確地傳達您所設想的內容。這種可靠性使 Z Image Turbo 成為專業應用程式的可靠選擇。

開放原始碼與社群驅動

Z Image Turbo 在 Hugging Face 和 ModelScope 上提供,培養了一個充滿活力的開發人員和研究人員社群。Z Image Turbo 的開放原始碼性質鼓勵創新、自訂和持續改進。加入已經利用 Z Image Turbo 進行專案的數千名使用者。

Z Image Turbo 效能基準測試

在比較 Z Image Turbo 與 Stable Diffusion 和其他領先模型時,Z Image Turbo 一貫展現出卓越的效能指標。Z Image Turbo 效能基準測試揭示了卓越的效率,且不影響品質。

模型推論步數延遲 (H800)所需 VRAM圖像品質
Z Image Turbo8 步< 1 秒16GB極佳
Stable Diffusion XL50 步~ 5 秒20GB+極佳
MidjourneyN/A~ 10 秒雲端極佳

8

推論步數

<1 秒

平均延遲

16GB

所需 VRAM

6B

模型參數

Z Image Turbo 快速入門指南

開始使用 Z Image Turbo 非常簡單。按照此 Z Image Turbo 安裝指南,在幾分鐘內開始生成圖像。我們的 Z Image Turbo 教學涵蓋了從設定到進階使用的所有內容。

Z Image Turbo 安裝

若要安裝 Z Image Turbo,您需要使用最新版本的 diffusers。Z Image Turbo 安裝過程需要 Python 3.8+ 和 PyTorch。以下是如何啟動並執行 Z Image Turbo:

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

Z Image Turbo 程式碼範例

安裝 Z Image Turbo 後,您可以立即開始生成圖像。此 Z Image Turbo 程式碼範例示範了基本的使用模式。Z Image Turbo API 直觀且開發人員友善,使整合無縫。

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 需求

在使用 Z Image Turbo 之前,請確保您的系統符合 Z Image Turbo 需求。Z Image Turbo 在啟用 CUDA 的 GPU 上表現最佳,但同時也支援 CPU 推論。為了獲得最佳的 Z Image Turbo 效能,我們建議使用 bfloat16 精度並在可用時啟用 Flash Attention。

下載 Z Image Turbo

Z Image Turbo 在多個平台上提供。從 Hugging Face 或 ModelScope 下載 Z Image Turbo 以開始使用。Z Image Turbo 下載包含所有必要的模型檔案和文件。無論您是在尋找 Z Image Turbo Hugging Face 整合還是 ModelScope 部署,我們都能滿足您的需求。

Hugging Face

直接從 Hugging Face 下載 Z Image Turbo。Z Image Turbo Hugging Face 儲存庫包含模型權重、組態檔案和完整文件。與 Hugging Face 生態系統的整合使 Z Image Turbo 易於與現有的工作流程一起使用。

從 Hugging Face 下載

ModelScope

透過 ModelScope 存取 Z Image Turbo,為中國使用者和開發人員提供服務。ModelScope 平台為 Z Image Turbo 提供最佳化的發布和額外的資源。ModelScope 提供更快的下載速度和本地化的支援。

從 ModelScope 下載

Z Image Turbo 文件

提供完整的 Z Image Turbo 文件,以協助您最大限度地發揮模型潛力。我們的 Z Image Turbo API 文件涵蓋了所有參數、方法和進階功能。無論您需要 Z Image Turbo 教學內容、架構詳細資料或疑難排解指南,我們的文件都能滿足您的需求。

Z Image Turbo API 文件

Z Image Turbo API 的完整參考資料,包括所有方法、參數和傳回值。Z Image Turbo API 文件提供程式碼範例、最佳實務和效能最佳化提示。

Z Image Turbo 架構

了解 Z Image Turbo 的可縮放單一串流 DiT (S3-DiT) 架構。了解 Z Image Turbo 如何透過創新的設計選擇和解耦 DMD 蒸餾方法實現其卓越的效率。

Z Image Turbo 使用案例

探索 Z Image Turbo 的真實世界應用程式。從商業圖像生成到創意專案,了解如何在各個行業中使用 Z Image Turbo。了解 Z Image Turbo 的使用案例和最佳實務。