Z-Image

描述

Z-Image 是通过 Fooocus.one 提供的 AI 图像生成和编辑模型，旨在实现逼真的输出、准确的双语文本渲染和本地编辑。它在仅需 8 个步骤的情况下，达到与领先竞争对手相当或更高的性能，并且可以在消费者 GPU 上大约 2 到 5 秒内生成图像。

该模型拥有 60 亿个参数，采用可扩展单流 DiT (S3-DiT) 架构，将文本、视觉语义标记和图像潜变量统一为一个输入序列，以最大化参数效率，相较于双流方法更具优势。它适用于消费者设备的 16GB VRAM 内存，并在企业 H800 GPU 上提供亚秒延迟。

Z-Image 在摄影级真实感方面表现出色，能够精细控制细节、光照和纹理，并准确渲染中英文文本，包括小字体，具备强大的构图和排版能力，适合海报设计。内置的提示增强器使用结构化推理链注入逻辑和常识，使模型能够处理复杂任务并从模糊指令中推断意图。Z-Image-Edit 增加了创意编辑功能，能够理解双语指令，实现灵活的转换，无需外部工具。

根据阿里巴巴 AI Arena 上基于 Elo 的人类偏好评估，Z-Image 在与领先模型的竞争中表现出色，并在开源选项中取得了最先进的结果。访问通过 Fooocus.one 的分层计划，提供月度和年度选项以及包含的工具积分。

Z-Image的核心功能

• 具有精细细节和光照控制的逼真图像生成

• 准确的中英文双语文本渲染

• 仅需 8 个步骤即可快速生成，消费者 GPU 上仅需几秒钟

• 高效的 S3-DiT 单流架构

• 内置提示增强器，具备结构化推理

• 与 Z-Image-Edit 的本地创意图像编辑

• 在消费者设备上运行于 16GB VRAM 内存

• 在开源模型中取得最先进的结果

如何使用 Z-Image？

1. 1

   撰写提示：详细描述您的图像，包括任何双语文本要求。

2. 2

   利用提示增强：使用提示增强器处理复杂任务，并从模糊指令中推断意图。

3. 3

   生成和编辑：在大约 2 到 5 秒内生成图像，并使用 Z-Image-Edit 进行精细调整。

4. 4

   下载结果：保存您的专业质量图像。

Z-Image的使用案例

• 逼真图像
• 双语海报设计
• 产品摄影
• 创意图像编辑
• 快速迭代

Z-Image的常见问题

• 什么是 Z-Image？

  Z-Image 是一款强大的 AI 模型，专注于逼真图像生成、准确的中英文文本渲染和双语编辑，仅需 8 个步骤即可达到领先性能。

• 它的架构有什么特别之处？

  Z-Image 采用可扩展单流 DiT (S3-DiT) 架构，将文本、视觉语义标记和图像潜变量统一为一个输入流，最大化参数效率，相较于双流方法更具优势。

• Z-Image 的速度有多快？

  它在 H800 GPU 上提供亚秒延迟，而在消费者 GPU（如 RTX 3090 或 4090）上，大多数生成大约需要 2 到 3 秒，中档显卡则需要 4 到 5 秒。

• 它能准确渲染双语文本吗？

  是的。Z-Image 能够准确渲染中英文文本，同时保持面部真实感和美学构图，即使在小字体下也具备强大的排版能力。

• 什么是提示增强器？

  提示增强器使用结构化推理链注入逻辑和常识，使模型能够处理复杂任务，并从模糊指令中推断意图。

• Z-Image 与竞争对手相比如何？

  在阿里巴巴 AI Arena 上的基于 Elo 的人类偏好评估中，Z-Image 在与领先模型的竞争中表现出色，并在开源模型中取得了最先进的结果。