一键安装包下载

最近我在折腾 AI 绘图，说实话，心有点累。

之前的 Stable Diffusion 1.5 虽然快，但画质有点跟不上时代了。后来出了 SDXL，画质好了，但速度慢了一截。前阵子大家都在推 Flux，我也跟风去试了一下，结果差点把我的老电脑干冒烟。Flux 那个模型确实强，但对显卡要求太高了，动不动就要 16G、24G 显存，生成一张图得等好久，风扇呼呼转，听着都心疼。

我就想找个折中的方案：画质要比 SD1.5 好，速度要快，关键是——别太吃配置。我的显卡只有 8G，得能跑得动才行。

昨天在逛 HuggingFace 的时候，看到一个新的模型叫 Z-Image-Turbo。看介绍是阿里通义团队开源的。我抱着试一试的心态下下来跑了一下，结果有点出乎意料。

今天就跟大伙聊聊这个模型，顺便把怎么安装、怎么避坑都写出来。我不是什么技术大牛，就是个爱折腾的普通用户，这篇文章主要记录我这两天的使用感受。

什么是 Z-Image-Turbo？我为啥换用它

简单说，这就是个画图的模型，跟咱们平时用的 Midjourney 或者 Stable Diffusion 是一类东西。

它最大的卖点就是“小”和“快”。

现在很多开源模型都在拼参数量，什么 12B（120亿参数）、24B，参数越大，模型越聪明，但也越笨重。Z-Image-Turbo 这个模型只有 6B（60亿参数）。

一开始我以为参数小了画质肯定不行，但我实际跑下来发现，它在效率和质量之间找了个很奇怪的平衡点。

我选择它的几个理由：

1. 真的快：官方说生成一张图只要 1 秒。我本地实测，虽然没到 1 秒那么夸张（可能我电脑配置还是不够好），但基本上 2-3 秒就能出一张高清图。这就意味着我可以实时看到结果，不用像以前那样，输入完提示词，去倒杯水回来还在转圈。
2. 不挑食：它对中文理解能力很好。以前用国外的模型，必须得用英文写提示词，有时候还得用翻译软件。这个模型是国内阿里团队做的，这方面有先天优势，直接输中文，它能听懂。
3. 写字能力强：这是最让我意外的。以前让 AI 在图里画个招牌、写个字，出来的都是乱码。这个模型能比较准确地把汉字印在图片里，这一点后面我会细说。
4. 自由度高：很多模型为了安全加了太多限制，稍微一点复杂的动作或者人体结构就不让画。这个模型指令遵循能力很强，只要你描述清楚，它基本都能按你的意思画出来，不会莫名其妙拒绝你。

核心功能体验

这两天我主要试了下面这几个功能，感觉是它区别于其他模型的地方。

1. 中文图文生成

我试了一个提示词：“一个穿着汉服的女孩，站在挂着‘元宵快乐’灯笼的街道上”。

如果用 SDXL，大概率灯笼上的字是鬼画符。用 Z-Image-Turbo 跑了几次，有那么两三次字是完全写对的，就算偶尔写错，笔画结构也是汉字的样子，稍微修一下就能用。这对做电商海报或者做封面图的人来说，省了不少事。

2. 亚洲人脸特化

玩过 AI 绘画的都知道，国外的模型画亚洲人，总有一股“刻板印象”的味道，比如眯眯眼或者颧骨很高。

毕竟是国内团队做的模型，Z-Image-Turbo 生成的亚洲面孔比较符合咱们的审美。皮肤质感保留得不错，不会磨皮磨得像塑料人，光影感也挺真实。不用特意去挂什么 LoRA（微调模型），直出的人像照片就能发朋友圈。

3. 低显存运行

我的显卡是 RTX 3070，8G 显存。跑 Flux 的时候，经常爆显存报错。

跑这个 Z-Image-Turbo，显存占用很稳，基本维持在 6G 左右，后台还能开个浏览器查资料。官方分了三个版本：Turbo、Base 和 Edit。

• Turbo 版：就是我主推的这个，速度极快，适合快速出图找灵感。
• Base 版：画质更好一点，但稍微慢点，适合最后出大图。
• Edit 版：这个好像是专门用来改图的，比如给图里的人换件衣服，但我还没玩明白。

咱们日常玩，下 Turbo 版就够了。

安装使用注意点（新手避坑指南）

这部分是重头戏。官方虽然说了有部署方案，但对于咱们这种还要查教程的人来说，坑还是不少的。我是用的 ComfyUI 来运行的。

第一步：准备 ComfyUI

如果你电脑里还没有 ComfyUI，建议去 Github 上搜一下 “ComfyUI Portable”，下载那个解压即用的版本。别去折腾 Python 环境配置了，容易把自己绕晕。

第二步：下载模型

–

一键安装包下载

去 HuggingFace 搜 Z-Image-Turbo。

你需要下载的文件通常是一个以 .safetensors 结尾的大文件。把这个文件下载下来，放到 ComfyUI 目录下的 models/checkpoints 文件夹里。

注意：这个模型大概有好几个 G，下载的时候找个网好的地方，或者用下载工具。

第三步：搭建工作流（Workflow）

这里是最容易卡住的地方。Z-Image-Turbo 的工作流和普通的 SD1.5 不太一样。

1. 加载器：普通的 CheckpointLoaderSimple 可能不一定好使。如果报错，去 ComfyUI 的管理器（Manager）里搜一下有没有对应的 Z-Image 或者 Wanx 的加载节点。
2. 分辨率设置：这个模型虽然只有 6B，但它训练的时候用的分辨率比较高。建议把 Empty Latent Image 的宽高设置在 1024x1024，或者 768x1024。如果设太小（比如 512x512），画出来的人脸可能会崩。
3. 步数（Steps）：因为是 Turbo 模型，步数千万别设太高！普通的模型我们习惯设 20 步或者 30 步。这个 Z-Image-Turbo，设 4 到 8 步 就足够了。设多了不仅慢，画面反而会烂掉，出现很多噪点。
4. CFG Scale：这个参数控制 AI 听话的程度。Turbo 模型一般不需要太高的 CFG，设置在 1.0 到 2.0 之间就行。这点跟传统模型区别很大，传统模型一般是 7.0。设错了你会发现图是糊的。

第四步：关于报错

我在运行的时候遇到过一个报错，提示缺少什么 fp8。后来查了一下，是因为我的 torch 版本太低了。

如果你也遇到类似的问题，去 ComfyUI 的 update 脚本那里点一下更新，把内核更新到最新版通常就能解决。

还有就是，虽然它说 8G 能跑，但如果你还要同时挂好几个 ControlNet（控制网），显存还是会吃紧的。建议先只跑文生图，跑通了再加别的。

与其他同类软件对比

光说好没用，拉出来溜溜。我根据我自己的体验，做了一个简单的对比表。我不搞那些复杂的数据测试，就说主观感受。

维度	Z-Image-Turbo	Flux (Dev/Schnell)	Stable Diffusion 1.5	Midjourney V6
显存要求	低 (8G 畅玩)	极高 (建议 16G+)	极低 (4G 都能凑合)	无 (云端运行)
生成速度	极快 (秒级)	慢	快	慢 (要排队)
中文理解	优秀 (原生支持)	差 (需翻译)	差 (完全不懂)	一般 (需翻译)
文字生成	良 (中文可写)	优 (英文强)	无 (鬼画符)	优 (英文强)
真实感	高 (照片级)	极高	一般 (需配合大模型)	极高
上手难度	中 (需部署)	难 (需搞定硬件)	中	易 (充钱就行)
费用	免费开源	免费开源	免费开源	昂贵订阅制

对比总结：

• 如果你是不差钱的土豪，直接用 Midjourney，除了贵没毛病。
• 如果你显卡是 4090，那 Flux 肯定是目前的画质天花板。
• 如果你像我一样，显卡普通（3060/3070/4060级别），又想玩高质量的本地出图，还想图里带点汉字，那 Z-Image-Turbo 是目前最好的选择，没有之一。
• SD1.5 虽然资源多，但现在看生成的图，总有一种“AI 味”，就是那种油腻腻的感觉，Z-Image-Turbo 生成的图这方面要干净很多。

碎碎念

其实开源社区更新得太快了，可能下个月又有新模型出来吊打这个。但现阶段，Z-Image-Turbo 确实解决了我很多痛点。

以前为了画一张满意的图，我要调试半天提示词，还要等待漫长的渲染。现在这种“秒出图”的感觉，真的会改变你的创作习惯。你可以飞快地尝试几十种构图、几十种光影，哪个好用哪个。

还有一个小技巧分享给大家：写提示词的时候，虽然它支持中文，但我发现如果你把重要的主体词放在最前面，效果会更好。比如你想画个美女，先把“漂亮的中国女性”放在开头，然后再写背景啊、衣服啊这些。

如果你也是 8G 显存党，真心建议去下个试试。别被那些大模型的参数吓到了，适合自己电脑的才是最好的。

要是安装过程中遇到啥报错，或者生成的图是一片黑，大概率是 VAE 没挂对，或者是步数设太高了，回头检查一下我上面写的参数设置。

这玩意目前还在更新，听说后面那个 Edit 版本会加入更强的局部重绘功能，到时候如果好用，我再来写一篇。

就这样，我去跑图了。