Skip to content

Z-Image-Turbo لتحويل النص إلى صورة: 8 خطوات و16GB من ذاكرة VRAM، الحصان السريع المحلي ​

Z-Image (造相) هو نموذج تحويل النص إلى صورة بحجم 6B من مختبر Alibaba Tongyi، وبطل هذه الصفحة Z-Image-Turbo هو نسخته المقطّرة: وفقًا للدروس الرسمية، يتموضع كنموذج يولّد الصور بأخذ عينات من 8 خطوة ويعمل على الأجهزة الاستهلاكية بذاكرة VRAM تبلغ 16GB، مع زمن استدلال أقل من 1 ثانية على وحدات GPU من فئة H800 للمؤسسات. تأخذك هذه الصفحة لتشغيل سير عمل Z-Image-Turbo الرسمي من البداية إلى النهاية، ثم تستعرض مسارين للتوسعة: النسخة المكمّمة int8 وFun Union ControlNet.

بالمناسبة: اعتبارًا من v0.41.0 يعتمد سير عمل تحويل النص إلى صورة الافتراضي المدمج في ComfyUI على Z-Image-Turbo — لقد قابلتَه بالفعل في أول عملية توليد صورة.

ماذا ستستطيع أن تفعل بعد التعلم ​

  • تحميل سير عمل Z-Image-Turbo لتحويل النص إلى صورة من مكتبة القوالب الرسمية، واستكمال ملفات النماذج الثلاثة، وتشغيل توليد الصور بـ 8 خطوات
  • أن تعرف تقسيم أدوار عائلة Z-Image الثلاثية (Turbo / Base / Edit)، ولماذا يختار المستخدم العادي Turbo
  • أن تتذكر المعاملات الموصى بها لسير عمل Z-Image-Turbo: 8 خطوة، cfg 1، res_multistep + simple، 1024×1024
  • الانتقال إلى النسخة المكمّمة الرسمية int8 عندما يضيق القرص الصلب، مما يوفّر نحو 8GB في ملفَي الأوزان
  • استخدام Fun Union ControlNet لجعل الصور تتبع الرسوم الخطية والعمق والوضعيات، مع معرفة المجلد الذي يوضع فيه ملفه

مأزقك الحالي ​

  • تريد تشغيل نموذج جديد محليًا، فتجد أن FLUX.1 النسخة الكاملة بحجم نحو 23GB وQwen-Image بحجم 20B، والقرص الصلب وذاكرة VRAM كلاهما على وشك النفاد
  • نزّلت قالب Z-Image-Turbo فوجدت العقد مليئة بتحذيرات حمراء، ولا تعرف من أين تُنزَّل ملفات النماذج الثلاثة ولا أين توضع
  • تضبط المعاملات بخبرتك القديمة من SD1.5: ترفع عدد الخطوات إلى أقصى حد، وترفع cfg إلى 8، وتكتب مطالبات سلبية بكثافة، فتأتي الصور أسوأ

متى تستخدم هذه الحيلة ​

عندما تحتاج إلى:

  • إنتاج صور بأسلوب واقعي بسرعة على بطاقة رسومية استهلاكية بذاكرة VRAM سعة 16GB
  • كتابة نصوص صينية وإنجليزية داخل الصور — لافتات، ملصقات، عناوين أغلفة
  • تكرار المحاولات والتجريب: سرعة أخذ العينات بـ 8 خطوة تجعل «إعادة التشغيل مرة أخرى» غير مؤلمة

ولا تريد:

  • تنزيل أوزان ضخمة بحجم 20GB أو انتظار أخذ عينات يزيد عن 20 خطوة
  • الاعتماد على المطالبات وحدها والمقامرة دون أي تحكم في التكوين (ControlNet في الخطوة 6 يحل هذا تمامًا)

🎒 التحضيرات قبل البدء ​

  • أن تكون قد شغّلت أول عملية توليد صورة: تعرف كيفية تحميل سير العمل وكتابة المطالبات والتشغيل بالضغط على Ctrl+Enter
  • أن تكون على دراية بقواعد مجلدات النماذج: ما الذي يوضع في diffusion_models وtext_encoders وvae (إن نسيت فراجع أين توضع النماذج)
  • ذاكرة VRAM بحوالي 16GB (هذا هو التموضع الرسمي لـ Turbo)؛ واحجز نحو 19GB على القرص الصلب لملفات النماذج الثلاثة
  • أن تكون الشبكة قادرة على الاتصال بـ Hugging Face؛ وإذا كان الاتصال غير مستقر فاستخدم المصدر المحلي ModelScope (الخطوة 2 تقدم العناوين)
  • كوب من الماء ☕ — أطول انتظار في هذا الدرس هو تنزيل النماذج

الفكرة الأساسية ​

**Z-Image هو «حزمة شاملة محلية الصنع». ** نموذج تحويل النص إلى صورة بحجم 6B من مختبر Alibaba Tongyi، ومعماريته هي S3-DiT (Scalable Single-Stream DiT، محوّل انتشار أحادي التدفق قابل للتوسعة): تُدمج ثلاث فئات من الرموز — النص، والدلالات البصرية، وVAE الصورة — في تدفق إدخال واحد على مستوى التسلسل، والقول الرسمي إن ذلك «يعظّم كفاءة المعاملات». ومشفّر النص أيضًا من إنتاجهم — Qwen3 بحجم 4B (qwen_3_4b.safetensors) — ولذلك فهو ودود مع المطالبات الصينية، وتذكر المزايا الرسمية صراحةً «دقة عرض النصوص بالصينية والإنجليزية معًا».

تقسيم العمل بين الأخوة الثلاثة (بطل هذه الصفحة هو Turbo):

المتغيرالتموضعلمن يصلح
Z-Image-Turboنسخة مقطّرة: توليد الصور في 8 خطوات، ويمكن تشغيلها بذاكرة رسومية 16GBالاستخدام اليومي لتوليد الصور للمستخدمين العاديين
Z-Image-Baseقاعدة غير مقطّرة: تستجيب للكلمات التوجيهية السلبية وتولّد تنوعًا عاليًا، موجهة للضبط الدقيقالمطورون الذين يريدون تدريب LoRA / الضبط الدقيق
Z-Image-Editمتغير تعديل الصور: تحرير بالتعليماتتذكره الوثائق الرسمية فقط، ولا توجد حاليًا ComfyUI دروس وقوالب رسمية

لماذا تكفي 8 خطوات؟ يضغط التقطير قدرة «إزالة الضوضاء متعددة الخطوات» إلى «الاستدلال بخطوات قليلة»، والثمن هو أن النموذج لم يعد يعتمد على مقارنة الكلمات التوجيهية الإيجابية والسلبية للتوجيه — لذلك تم تثبيت cfg في القالب الرسمي على 1، ويتم تصفير الشرط السلبي مباشرة عبر عقدة ConditioningZeroOut. 8 خطوة ليست تقصيرًا في العمل، بل هي تصميم نماذج فئة Turbo.

هيكل سير العمل (أكثر من SD1.5 بملف checkpoint واحد: يضيف محمّلين إضافيين ورقعة جدولة):

UNETLoader (نموذج الانتشار) ──→ ModelSamplingAuraFlow (shift 3) ──→ KSampler ──→ VAEDecode ──→ SaveImage
CLIPLoader (مرمّز النص) ──→ CLIPTextEncode (كلماتك التوجيهية) ──→ KSampler (positive)
                               └──→ ConditioningZeroOut ──→ KSampler (negative، مصفّر)
VAELoader (VAE) ────────────────────────────────────────→ VAEDecode
EmptySD3LatentImage (1024×1024 لوحة فارغة) ────────────────→ KSampler

تابعني خطوة بخطوة ​

الخطوة 1: تحميل سير العمل الرسمي لتوليد الصور من النص Z-Image-Turbo ​

لماذا: تحتوي مكتبة القوالب الرسمية على سير عمل جاهز بمعاملات وروابط نماذج مضبوطة، وهو أسرع بكثير من ربط العقد من الصفر.

العملية: اختر إحدى الطرق الثلاث.

الطريقة A: التحميل بنقرة واحدة من مكتبة القوالب (موصى بها) ​

افتح مكتبة القوالب من Templates في الشريط الجانبي الأيسر، وابحث عن Z-Image-Turbo، واختر «Z-Image-Turbo: توليد صورة من نص» (اسم القالب image_z_image_turbo، وفق إحصاءات مكتبة القوالب الرسمية استُخدم أكثر من 1.4 عشرة آلاف مرة). للاطلاع على الاستخدام الكامل لمكتبة القوالب راجع مكتبة القوالب.

الطريقة B: استخدام سير العمل الافتراضي المدمج مباشرة ​

بدءًا من الإصدار v0.41.0، أصبح سير العمل الافتراضي المدمج لتوليد الصور من النص في ComfyUI مبنيًا على Z-Image-Turbo، ويُحمَّل تلقائيًا عند تشغيل النسخة الحالية المثبتة حديثًا، فيمكنك المتابعة معه مباشرة — النسخة المدمجة تتطابق مع القالب الرسمي في معاملات أخذ العينات (8 خطوة، cfg 1).

الطريقة C: تنزيل ملف JSON وفتحه يدويًا ​

ملف القالب الرسمي: image_z_image_turbo.json، بعد تنزيله افتحه من القائمة Workflows → Open.

ينبغي أن ترى: على اللوحة عقدة رسم فرعي (subgraph) باسم Text to Image (Z-Image-Turbo)، والمعاملات الشائعة مثل الكلمات التوجيهية والعرض والارتفاع وseed وعدد الخطوات مكشوفة مباشرة على سطح العقدة، وبجانبها ملاحظة (MarkdownNote) مليئة بروابط تنزيل النماذج. لاستخدام الرسوم الفرعية وثائق رسمية مخصصة: docs.comfy.org/interface/features/subgraph.

  • تم تحميل سير عمل Z-Image-Turbo على اللوحة (نسخة القالب أو النسخة الافتراضية المدمجة)

الخطوة 2: تنزيل النماذج الثلاثة ووضعها في المجلدات المناسبة ​

لماذا: لا يُحزَّم Z-Image-Turbo في ملف checkpoint واحد، بل تُثبَّت القطع الثلاث منفصلة؛ وإذا وُضعت في المجلد الفرعي الخطأ فلن تجد الملف في القائمة المنسدلة للمحمّل.

العملية: الملفات الثلاثة التي يذكرها الدرس الرسمي كلها في مستودع Hugging Face Comfy-Org/z_image_turbo:

الملفالحجمفي أي مجلد فرعي يوضعالتنزيل
z_image_turbo_bf16.safetensors11.46 GBmodels/diffusion_models/Hugging Face
qwen_3_4b.safetensors7.49 GBmodels/text_encoders/Hugging Face
ae.safetensors319.8 MBmodels/vae/Hugging Face

💡 التنزيل داخل الصين عبر ModelScope

للمستودع نفسه نسخة مطابقة على ModelScope: Comfy-Org/z_image_turbo، يكفي تنزيل الملفات الثلاثة من المسارات نفسها تحت split_files، وهو أكثر ملاءمة للشبكات داخل الصين.

بعد وضعها، اضغط r على اللوحة للتحديث، ثم اختر الملف المناسب في القائمة المنسدلة لكل محمّل من المحمّلات الثلاثة. إذا لم تكن متأكدًا من المجلد الذي يوضع فيه كل ملف، راجع الجدول المقارن في أين تضع النماذج.

ينبغي أن ترى: اختفاء جميع تحذيرات النقص الحمراء، وعرض جميع عقد المحمّلات الثلاث لأسماء الملفات الصحيحة.

  • الملفات الثلاثة للنماذج موجودة في المجلدات الفرعية الصحيحة، وقد اختارت جميع المحمّلات الملفات

الخطوة 3: فهم عقد ومعاملات سير عمل Z-Image-Turbo ​

لماذا: الشرط الأساسي لمعرفة ضبط المعاملات هو معرفة وظيفة كل عقدة وسبب كون المعامل الافتراضي هو ما هو عليه.

العملية: ادخل إلى داخل الرسم الفرعي (أو استعن بسير العمل الافتراضي المدمج)، وقارن كل عقدة وفق هذا الجدول:

العقدةماذا تفعلالمعاملات الرئيسية في القالب
UNETLoaderيحمّل نموذج الانتشار نفسه (6B)z_image_turbo_bf16.safetensors
CLIPLoaderيحمّل مشفّر النصqwen_3_4b.safetensors، والنوع lumina2
VAELoaderيحمّل الـ VAEae.safetensors
ModelSamplingAuraFlowرقعة جدولة الضوضاء، ويتحكم shift في توزيع الضوضاءshift = 3
CLIPTextEncodeيشفّر التعليمات إلى شرطيُوصل بـ positive في KSampler
ConditioningZeroOutيصفّر الشرط السلبينموذج Turbo يعمل بـ cfg=1، فلا حاجة إلى تعليمات سلبية
EmptySD3LatentImageينشئ لوحة فارغة1024×1024، والدُفعة 1
KSamplerأخذ عينات إزالة الضوضاء8 خطوة، وcfg 1،res_multistep،simple، وdenoise 1.0
VAEDecodeيفكّ ترميز الفضاء الكامن إلى بكسلات—
SaveImageيعاين ويحفظبالبادئة z-image-turbo، ويُحفظ الملف في ComfyUI/output/

يبقى نوع CLIPLoader على الافتراضي في القالب lumina2 — جميع مسارات العمل الرسمية لسلسلة Z-Image مضبوطة بهذه الطريقة.

يجب أن ترى: من اليسار إلى اليمين تستطيع ذكر مسؤولية كل عقدة، ومعاملات KSampler مطابقة للجدول أعلاه.

  • أستطيع ذكر أي loader يحمّل كل عنصر من العناصر الثلاثة، وما هي معاملات KSampler الأساسية

الخطوة 4: اكتب التعليمات وشغّل أول صورة لك بـ 8 خطوة ​

لماذا: نقطة بيع Z-Image-Turbo هي «السرعة + دعم اللغتين الصينية والإنجليزية»، فقط اكتب المشهد مباشرة في التعليمات.

الخطوات:

  1. اكتب التعليمات في prompt الخاص بالمخطط الفرعي (أو في text الخاص بـ CLIPTextEncode). مثال من القالب الرسمي:
text
Latina female with thick wavy hair, harbor boats and pastel houses behind. Breezy seaside light, warm tones, cinematic close-up.
  1. يمكن كتابتها بالصينية مباشرة — الوصف الرسمي يقول إنها تدعم التعليمات بالصينية والإنجليزية. الصياغة الصينية لنفس المشهد:
text
海港边的拉丁裔女性,浓密卷发,身后是渔船和糖果色小房子,海风侧光,暖色调,电影感特写
  1. إنها بارعة في كتابة النصوص الصينية والإنجليزية داخل الصورة بشكل صحيح — عندما تحتاج إلى ظهور نص في المشهد، فقط صف محتوى النص في التعليمات
  2. الأبعاد الافتراضية 1024×1024، ولتغيير النسبة عدّل width / height في المخطط الفرعي
  3. انقر على Run أو اضغط Ctrl+Enter

يجب أن ترى: شريط التقدم يتحرك 8 خطوات فقط، وتظهر الصورة بسرعة؛ تعرض عقدة SaveImage النتيجة، واسم الملف يحمل بادئة z-image-turbo.

  • ظهرت أول صورة مولّدة بواسطة Z-Image-Turbo في SaveImage

الخطوة 5: القرص ممتلئ؟ انتقل إلى النسخة المكمَّمة int8 ​

لماذا: يبلغ مجموع الوزنين الكبيرين في النسخة الكاملة bf16 حوالي 18.9GB؛ وأصدر المسؤولون أيضًا نسخة مكمَّمة int8، حيث ينخفض نموذج الانتشار من 11.46GB إلى 5.78GB، ويُستبدل مشفّر النص بنسخة fp8 من 7.49GB إلى 5.25GB، بإجمالي توفير حوالي 8GB.

الخطوات: ابحث في مكتبة القوالب عن Z-Image-Turbo Int8، وحمّل «Z-Image-Turbo Int8: توليد صورة من نص» (image_z_image_turbo_int8). يكفي استبدال ملفين فقط، والـ VAE يبقى كما هو:

الملفالحجمفي أي مجلد فرعي يوضعالتنزيل
z_image_turbo_int8_convrot.safetensors5.78 GBmodels/diffusion_models/Hugging Face
qwen_3_4b_fp8_mixed.safetensors5.25 GBmodels/text_encoders/Hugging Face
ae.safetensors (لا حاجة للاستبدال)319.8 MBmodels/vae/يُستمر باستخدام ما تم تنزيله في الخطوة 2

معاملات أخذ العينات مطابقة تمامًا لنسخة bf16 (8 خطوة، وcfg 1،res_multistep / simple)، وطريقة استخدام التعليمات والأبعاد كما هي.

⚠️ إذا لم يعمل، حدّث ComfyUI أولًا

ملاحظة المسؤولين عن قالب int8: يرجى أولًا تحديث ComfyUI إلى أحدث إصدار — النماذج التي تدعمها النسخة الليلية، تنتظر Desktop / Cloud إصدار stable اللاحق ليدعمها.

يجب أن ترى: بعد اختيار z_image_turbo_int8_convrot.safetensors في UNETLoader، تخرج الصورة بـ 8 خطوة كما هي.

  • نجحت نسخة int8 في التشغيل، والصور تخرج بشكل طبيعي

الخطوة 6: أضف Fun Union ControlNet للتحكم في التكوين ​

لماذا: توليد الصور من نص مجرد محاولة حظ؛ أما ControlNet فيجعل النموذج يرسم وفق الرسم التخطيطي أو خريطة العمق أو الوضعية، فالتكوين قرارك. ControlNet الرسمي لـ Z-Image هو Fun Union ControlNet من alibaba-pai — ملف واحد يدعم خمسة أنواع من التحكم: Canny وHED وDepth وPose وMLSD.

الخطوات:

  1. ابحث في مكتبة القوالب عن Z-Image-Turbo، وحمّل «Z-Image-Turbo تحكم في توليد الصور» (image_z_image_turbo_fun_union_controlnet)
  2. نزّل إضافيًا أوزان ControlNet Z-Image-Turbo-Fun-Controlnet-Union.safetensors (2.89 GB)، وضعها في models/model_patches/ — انتبه أنها ليست مجلد controlnet، فهي رقعة نموذج يحمّلها ModelPatchLoader
  3. استبدل LoadImage بصورتك الخاصة (يمكنك أيضًا تنزيل الصورة النموذجية الرسمية image_z_image_turbo_fun_union_controlnet_input_image.png للتجربة)
  4. انقر على Run

يعرض القالب افتراضيًا التحكم بخطوط Canny: تمر الصورة المدخلة أولًا بالمعالجة المسبقة لـ Canny (العتبتان 0.1 / 0.32)، ثم تُدمج صورة الخطوط مع رقعة ControlNet في النموذج معًا (عقدة التحكم في القالب هي QwenImageDiffsynthControlnet، وstrength الافتراضي 1)، ويظل أخذ العينات 8 خطوة وcfg 1؛ أما حجم الصورة الناتجة فيتبع تلقائيًا الصورة التي ترفعها.

توضح الوثائق الرسمية أن القالب يعرض Canny فقط — إذا أردت تجربة HED أو Depth أو Pose أو MLSD، فاستبدل عقدة المعالجة المسبقة بالمعالج المسبق المقابل. أما الاستخدامات المنهجية لـ ControlNet فانظرمقدمة إلى ControlNet.

💡 صغّر أحد الجانبين أولًا إذا كانت الصورة المدخلة كبيرة جدًا

تنبيه ملاحظة القالب: عندما تتجاوز الصورة المدخلة 2500px، حدد عقدة ImageScaleToMaxDimension على اللوحة وفعّلها بـ Ctrl-B (متخطاة افتراضيًا)، وستستخدم lanczos لتصغير الضلع الأطول إلى 1024.

ينبغي أن ترى: تتطابق الخطوط التركيبية للصورة الناتجة مع خطوط الصورة المدخلة، بينما يتبع محتوى الصورة نص التوجيه.

  • صورة ناتجة بنسخة ControlNet، التكوين يتبع الصورة المدخلة

نقاط التحقق ✅ ​

  • تشغيل سير عمل Z-Image-Turbo للنص إلى صورة بنجاح: تحميل القالب ← وضع المكونات الثلاثة ← إخراج صورة في 8 خطوة
  • أعلم أن 8 خطوة + cfg 1 وتصفير الشرط السلبي هو تصميم النموذج المقطّر، وليس خللًا في سير العمل
  • نجاح التبديل إلى نسخة int8، وأعلم أن ما يوفره هو حجم الأوزان ومساحة القرص
  • وضع ملفات Fun Union ControlNet في models/model_patches/، ويعمل التحكم بالتكوين
  • أعلم تقسيم أدوار أشقاء Z-Image الثلاثة، ولم يعد الاختيار مربكًا

تنبيهات الأخطاء الشائعة ​

❌ كتابة نصوص توجيه سلبية مكثفة دون أي تغيير في الصورة ​

السبب: نموذج Turbo المقطّر يعمل بـ cfg=1، ولا يقارن أخذ العينات بين الشرطين الإيجابي والسلبي، لذا لا يعمل النص التوجيهي السلبي؛ بل يستخدم القالب الرسمي ConditioningZeroOut لتصفير الشرط السلبي مباشرة. الطريقة الصحيحة: كرّس كل جهدك على وصف الصورة في النص التوجيهي الإيجابي. وكذلك لا تعتمد عليه في سير العمل الافتراضي المدمج الذي يحتوي واجهته على مربع نص توجيهي سلبي.

❌ نسخ معاملات SD1.5 كما هي: رفع الخطوات إلى 20 ورفع cfg إلى 8 ​

السبب: خطوات وcfg للنموذج المقطّر تتبع طريقة التدريب، فـ 8 خطوة + cfg 1 هو ضبط القالب الرسمي، وأي تعديل عشوائي يؤدي إلى الانهيار. الطريقة الصحيحة: أبقِ المعاملات على قيم القالب الافتراضية، وعدّل أولًا نص التوجيه والـ seed؛ ولمعاني المعاملات راجع جدول معاملات KSampler الكامل فيأول توليد للصورة.

❌ وضع ملف ControlNet في models/controlnet/ فلا تجده العقدة ​

السبب: Fun Union ControlNet هو رقعة نموذج (model patch) ولا يتبع مسار تحميل ControlNet التقليدي. الطريقة الصحيحة: ضعه في models/model_patches/ ليقوم ModelPatchLoader في القالب بتحميله.

❌ خطأ في سير عمل int8 أو فشل في التحميل ​

السبب: أوزان int8 حديثة نسبيًا، والإصدارات القديمة من ComfyUI لا تتعرف عليها. توضح وثائق القالب الرسمي أن دعم النماذج في النسخة الليلية يتطلب التحديث أولًا، وأن Desktop / Cloud تتبعان الإصدار المستقر. الطريقة الصحيحة: حدّث ComfyUI أولًا ثم أعد المحاولة؛ وإذا لم ينجح فاستكشِف وفقفشل تحميل النموذج.

تقنيات متقدمة (اختياري) ​

🔧 تكبير بنقرة واحدة إلى 2K: يضم مكتب القوالب أيضًا قالب «تكبير الصورة: Z-Image-Turbo 2K» (utility_z_image_turbo_2k_upscaler.app): يقوم RealESRGAN_x4plus أولًا بتكبير متحفظ، ثم يعيد Z-Image-Turbo أخذ العينات بـ denoise منخفض لإضافة التفاصيل، وdenoise الافتراضي في القالب 0.33 (0.15–0.25 أقرب إلى الصورة الأصلية، و0.25–0.35 تفاصيل أكثر؛ وتجاوز 0.35 يتطلب وصفًا تفصيليًا للصورة وإلا ظهرت تشوهات بسهولة). للاستخدام الكامل انظرتكبير صور المنتجات بدقة عالية.

🔧 تريد الضبط الدقيق؟ استخدم Z-Image-Base: القاعدة غير المقطّرة تستجيب للنص التوجيهي السلبي وتتمتع بتنوع أعلى في التوليد، وموقعها الرسمي هو للضبط الدقيق المجتمعي والتطوير المخصص. يضم مكتب القوالب قالبين «Z-Image: نص إلى صورة» و«Z-Image Int8: نص إلى صورة»، وملف نموذج الانتشار هو z_image_bf16.safetensors، أما مرمّز النص وVAE فمشتركان مع Turbo (صفحة التنزيل الرسمية تشير إلى المجموعة نفسها من الملفات).

🔧 ابحث عن Z-Image في مكتبة القوالب وستجد أيضًا خطوط معالجة مدمجة: مثلًا قوالب متعددة النماذج تولّد أولًا بـ Grok ثم تكبّر وتضيف ملمسًا بـ Z-Image، والبحث عن Z-Image يكشف الكثير من تركيبات جاهزة.

خلاصة هذا الدرس ​

✅ نجح تشغيل سير عمل Z-Image-Turbo: تحميل القالب ← وضع المكونات الثلاثة ← إخراج صورة في 8 خطوة؛ وسير العمل الافتراضي المدمج في الإصدار الحالي ComfyUI هو نفسه أيضًا.

✅ حفظ المعاملات: 8 خطوة، cfg 1،res_multistep + simple،1024×1024، shift 3؛ وتصفير الشرط السلبي هو تصميم النموذج المقطّر.

✅ مساران للتوسعة: نسخة int8 المكمّمة توفر نحو 8GB من الأوزان؛ وFun Union ControlNet (يوضع في model_patches/) يجعل التكوين قابلًا للتحكم.

✅ وضوح الاختيار: التوليد اليومي بـ Turbo، والضبط الدقيق بـ Base، وتعديل الصور وفق الدرس الرسمي لـ Z-Image-Edit.

مراجعة الإعدادات الرئيسية:

الإعدادالقيمة الموصى بهاالشرح
نموذج الانتشارz_image_turbo_bf16.safetensors (نسخة int8 z_image_turbo_int8_convrot.safetensors)يوضع في models/diffusion_models/
مرمّز النصqwen_3_4b.safetensors (مرافق لـ int8 qwen_3_4b_fp8_mixed.safetensors)يوضع في models/text_encoders/، ونوع CLIPLoader lumina2
VAEae.safetensorsيوضع في models/vae/، مشترك بين النسختين
KSampler8 خطوة، cfg 1،res_multistep،simple،denoise 1.0لا تنسخ 20 خطوة + cfg 8 الخاصة بـ SD1.5
اللوحةEmptySD3LatentImage 1024×1024لتغيير النسبة عدّل width / height
جدولة الضوضاءModelSamplingAuraFlow shift 3اتبع القالب
ControlNetZ-Image-Turbo-Fun-Controlnet-Union.safetensorsضعه في models/model_patches/، يدعم Canny / HED / Depth / Pose / MLSD

إعلان الدرس التالي ​

يتفوق Z-Image-Turbo في السرعة، لكن إذا أردت كتابة نصوص صينية طويلة داخل الصورة فلا بد من الانتظار إلى Qwen-Image في الدرس التالي — نموذج النص إلى صورة بحجم 20B من فريق Qwen في Alibaba، حيث يُعدّ تصيير النصوص الصينية والإنجليزية ميزته المميزة. الدرس التالي: Qwen-Image النص إلى صورة.

ستتعلم:

  • Qwen-Image 20B القاعدة الأساسية والنسخة المقطّرة 15 خطوة، ومسار التسريع عبر Lightning LoRA بـ 8 خطوة
  • طرق كتابة نصوص صينية داخل الصورة (ملصقات، شعارات)
  • Qwen-Image-2512 النسخة المطوّرة للتصوير والتنزيل من ModelScope
  • كيف تتم تقسيم الأدوار بينه وبين Z-Image-Turbo
gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.