Z-Image-Turbo 文生图：8 步、16GB 显存的国产快马

Z-Image（造相）是阿里通义实验室的 6B 文生图模型，本页主角 Z-Image-Turbo 是它的蒸馏版：官方教程给出的定位是 8 步采样出图、塞得进 16GB 显存的消费级设备，在企业级 H800 GPU 上推理延迟低于 1 秒。这一页带你把官方 Z-Image-Turbo 工作流从头跑通，再看 int8 量化版和 Fun Union ControlNet 两条扩展路线。

顺带一提：v0.41.0 起 ComfyUI 内置的默认文生图工作流就基于 Z-Image-Turbo——你在第一次生图里已经和它打过照面了。

学完你能做什么

• 从官方模板库加载 Z-Image-Turbo 文生图工作流，补齐三个模型文件，跑通 8 步出图
• 说得出 Z-Image 三兄弟（Turbo / Base / Edit）的分工，知道普通用户为什么选 Turbo
• 记住 Z-Image-Turbo 工作流的推荐参数：8 步、cfg 1、res_multistep + simple、1024×1024
• 硬盘吃紧时换装官方 int8 量化版，两个权重文件省约 8GB
• 用 Fun Union ControlNet 让出图跟着线稿、深度、姿态走，且知道它的文件放哪个目录

你现在的困境

• 想本地跑新模型，一看 FLUX.1 全量版约 23GB、Qwen-Image 20B，硬盘和显存双双告急
• 下载了 Z-Image-Turbo 模板，节点一片红色警告，三个模型文件不知道去哪下、放哪里
• 拿 SD1.5 的老经验调参：步数拉满、cfg 拉到 8、猛写负向提示词，出来的图反而更糟

什么时候用这一招

当你需要：

• 在 16GB 显存的消费级显卡上快速出写实风格的图
• 图里要写中英文文字——招牌、海报、封面标题
• 反复抽卡迭代：8 步的采样速度让「再跑一次」不心疼

而且不想：

• 下 20GB 级别的大权重、等 20 步以上的采样
• 只靠提示词碰运气，完全控制不了构图（第 6 步的 ControlNet 正好解决这个）

🎒 开始前的准备

• 跑通了第一次生图：会加载工作流、写提示词、按 Ctrl+Enter 运行
• 模型目录规则心里有数：diffusion_models、text_encoders、vae 各放什么（忘了回看模型放哪里）
• 显存 16GB 上下（官方对 Turbo 的定位）；硬盘预留约 19GB 给三个模型文件
• 网络能连 Hugging Face；连不稳就走 ModelScope 国内源（第 2 步给地址）
• 一杯水 ☕——本课最大的等待就是下模型

核心思路

Z-Image 是个「国产全家桶」。 阿里通义实验室的 6B 文生图模型，架构是 S3-DiT（Scalable Single-Stream DiT，可扩展单流扩散 Transformer）：文本、视觉语义、图像 VAE 三类 token 在序列层面拼成一条输入流，官方说法是这样「参数效率最大化」。文本编码器也是自家货——Qwen3 4B（qwen_3_4b.safetensors），所以它对中文提示词友好，官方亮点里明写「中英双语文字渲染准确」。

三兄弟分工（本页主角是 Turbo）：

变体	定位	适合谁
Z-Image-Turbo	蒸馏版：8 步出图，16GB 显存可跑	普通用户日常出图
Z-Image-Base	非蒸馏基座：响应负向提示词、生成多样性高，面向微调	想训 LoRA / 微调的开发者
Z-Image-Edit	修图变体：指令式编辑	官方文档仅提及，暂无 ComfyUI 官方教程与模板

为什么 8 步就够？ 蒸馏把「多步去噪」的能力压进「少步推理」，代价是模型不再靠正负提示词对比来引导——所以官方模板 cfg 固定为 1，负向条件直接用 ConditioningZeroOut 节点置零。8 步不是偷工减料，是 Turbo 类模型的设计。

工作流骨架（比 SD1.5 单 checkpoint 多了两个 loader 和一个调度补丁）：

UNETLoader（扩散模型）──→ ModelSamplingAuraFlow（shift 3）──→ KSampler ──→ VAEDecode ──→ SaveImage
CLIPLoader（文本编码器）──→ CLIPTextEncode（你的提示词）──→ KSampler（positive）
                               └──→ ConditioningZeroOut ──→ KSampler（negative，置零）
VAELoader（VAE）────────────────────────────────────────→ VAEDecode
EmptySD3LatentImage（1024×1024 空画布）────────────────→ KSampler

跟我做

第 1 步：加载官方 Z-Image-Turbo 文生图工作流

为什么：官方模板库里有配好参数和模型链接的现成工作流，比从零连线快得多。

操作：三种方式任选。

方式 A：模板库一键加载（推荐）

左侧栏 Templates 打开模板库，搜 Z-Image-Turbo，选「Z-Image-Turbo: 文生图」（模板名 image_z_image_turbo，官方模板库统计使用 1.4 万+ 次）。模板库的完整玩法见模板库。

方式 B：直接用内置默认工作流

v0.41.0 起 ComfyUI 内置的默认文生图工作流就基于 Z-Image-Turbo，全新安装的当前版本启动时会自动加载它，可以直接跟练——内置版和官方模板的采样参数一致（8 步、cfg 1）。

方式 C：下载 JSON 手动打开

官方模板文件：image_z_image_turbo.json，下载后用菜单 Workflows → Open 打开。

你应该看到：画布上是一个名为 Text to Image (Z-Image-Turbo) 的子图节点，提示词、宽高、seed、步数这些常用参数直接暴露在节点表面，旁边还有一张写满模型下载链接的便签（MarkdownNote）。子图的用法官方有专门文档：docs.comfy.org/interface/features/subgraph。

• 画布上加载了 Z-Image-Turbo 工作流（模板版或内置默认版）

第 2 步：下载三件套模型并放进对应目录

为什么：Z-Image-Turbo 不打包成单个 checkpoint，三件套分开装；放错子目录，loader 的下拉列表里就找不到文件。

操作：官方教程给的三个文件都在 Hugging Face 仓库 Comfy-Org/z_image_turbo：

文件	大小	放进哪个子目录	下载
z_image_turbo_bf16.safetensors	11.46 GB	models/diffusion_models/	Hugging Face
qwen_3_4b.safetensors	7.49 GB	models/text_encoders/	Hugging Face
ae.safetensors	319.8 MB	models/vae/	Hugging Face

💡 国内下载走 ModelScope

同一仓库在魔搭有镜像：Comfy-Org/z_image_turbo，下载 split_files 下相同路径的三个文件即可，对国内网络更友好。

放好后画布上按 r 刷新，三个 loader 的下拉列表里分别选中对应文件。哪个文件进哪格不确定，回看模型放哪里的对照表。

你应该看到：红色缺失警告全部消失，三个 loader 节点都显示正确的文件名。

• 三个模型文件都在正确子目录里，loader 都选中了文件

第 3 步：读懂 Z-Image-Turbo 工作流的节点与参数

为什么：会调参的前提，是知道每个节点干什么、默认参数为什么是它。

操作：进子图内部（或对着内置默认工作流），逐节点对照这张表：

节点	干什么	模板里的关键参数
UNETLoader	装扩散模型本体（6B）	z_image_turbo_bf16.safetensors
CLIPLoader	装文本编码器	qwen_3_4b.safetensors，类型 lumina2
VAELoader	装 VAE	ae.safetensors
ModelSamplingAuraFlow	噪声调度补丁，shift 控制噪声分布	shift = 3
CLIPTextEncode	把提示词编码成条件	接 KSampler 的 positive
ConditioningZeroOut	把负向条件置零	Turbo 模型 cfg=1，不需要负向提示词
EmptySD3LatentImage	造空画布	1024×1024、批次 1
KSampler	去噪采样	8 步、cfg 1、res_multistep、simple、denoise 1.0
VAEDecode	潜空间解码成像素	—
SaveImage	预览并保存	前缀 z-image-turbo，文件落 ComfyUI/output/

CLIPLoader 的类型保持模板默认 lumina2——Z-Image 系列的官方工作流都这么配。

你应该看到：从左到右你能说出每个节点的职责，KSampler 参数与上表一致。

• 我能说出三件套分别由哪个 loader 装、KSampler 的关键参数是什么

第 4 步：写提示词，跑出你的第一张 8 步图

为什么：Z-Image-Turbo 的卖点是「快 + 中英双语」，提示词直接写画面就行。

操作：

1. 在子图的 prompt（或 CLIPTextEncode 的 text）里写提示词。官方模板自带的示例：

Latina female with thick wavy hair, harbor boats and pastel houses behind. Breezy seaside light, warm tones, cinematic close-up.

2. 中文直接写也行——官方说明它支持中英文提示词。同一个画面的中文写法：

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

3. 它擅长把图里的中英文字写对——需要画面里出现文字时，把文字内容描述进提示词即可
4. 尺寸默认 1024×1024，想换比例就改子图的 width / height
5. 点 Run 或按 Ctrl+Enter

你应该看到：进度条只走 8 步，很快就出图；SaveImage 节点显示结果，文件名带 z-image-turbo 前缀。

• SaveImage 里出现了第一张 Z-Image-Turbo 生成的图

第 5 步：硬盘吃紧？换 int8 量化版

为什么：bf16 全量版两个大权重合计约 18.9GB；官方另发了 int8 量化版，扩散模型 11.46GB → 5.78GB，文本编码器换 fp8 版 7.49GB → 5.25GB，合计省约 8GB。

操作：模板库搜 Z-Image-Turbo Int8，加载「Z-Image-Turbo Int8: 文生图」（image_z_image_turbo_int8）。只需换两个文件，VAE 不变：

文件	大小	放进哪个子目录	下载
z_image_turbo_int8_convrot.safetensors	5.78 GB	models/diffusion_models/	Hugging Face
qwen_3_4b_fp8_mixed.safetensors	5.25 GB	models/text_encoders/	Hugging Face
ae.safetensors（不用换）	319.8 MB	models/vae/	沿用第 2 步下载的

采样参数与 bf16 版完全一致（8 步、cfg 1、res_multistep / simple），提示词、尺寸用法照旧。

⚠️ 跑不起来先更新 ComfyUI

int8 模板的官方说明：请先把 ComfyUI 更新到最新——nightly 支持的模型，Desktop / Cloud 要等 stable 版本跟进才有。

你应该看到：UNETLoader 选中 z_image_turbo_int8_convrot.safetensors 后，同样 8 步出图。

• int8 版跑通，出图正常

第 6 步：加 Fun Union ControlNet 控制构图

为什么：文生图只能抽卡；ControlNet 让模型照着线稿、深度图、姿态出图，构图你说了算。Z-Image 的官方 ControlNet 是 alibaba-pai 的 Fun Union ControlNet——一个文件支持 Canny、HED、Depth、Pose、MLSD 五种控制。

操作：

1. 模板库搜 Z-Image-Turbo，加载「Z-Image-Turbo 控制生图」（image_z_image_turbo_fun_union_controlnet）
2. 额外下载 ControlNet 权重 Z-Image-Turbo-Fun-Controlnet-Union.safetensors（2.89 GB），放进 models/model_patches/——注意不是 controlnet 目录，它是模型补丁，由 ModelPatchLoader 加载
3. LoadImage 换成你自己的图（官方示例图 image_z_image_turbo_fun_union_controlnet_input_image.png 也可下载来试）
4. 点 Run

模板默认演示 Canny 线稿控制：输入图先过 Canny 预处理（阈值 0.1 / 0.32），线稿图和 ControlNet 补丁一起注入模型（模板里的控制节点是 QwenImageDiffsynthControlnet，strength 默认 1），采样仍是 8 步、cfg 1；出图尺寸自动跟随你上传的图。

官方说明模板只演示了 Canny——想试 HED、Depth、Pose、MLSD，把预处理节点换成对应预处理器即可。ControlNet 的系统玩法见ControlNet 入门。

💡 输入图太大先缩一边

模板便签提醒：输入图超过 2500px 时，选中画布上的 ImageScaleToMaxDimension 节点按 Ctrl-B 启用（默认旁路），它会用 lanczos 把最长边缩到 1024。

你应该看到：出图的构图轮廓与输入图的线稿一致，画面内容则跟随提示词。

• ControlNet 版出图，构图跟着输入图走

检查点 ✅

• Z-Image-Turbo 文生图跑通：模板加载 → 三件套归位 → 8 步出图
• 我知道 8 步 + cfg 1、负向条件置零是蒸馏模型的设计，不是工作流坏了
• int8 版换装成功，知道它省的是权重体积和硬盘
• Fun Union ControlNet 文件放在 models/model_patches/，构图控制生效
• 知道 Z-Image 三兄弟的分工，选型不再纠结

踩坑提醒

❌ 猛写负向提示词，图却没变化

原因：Turbo 蒸馏模型 cfg=1，采样不做正负条件对比，负向提示词不起作用；官方模板干脆用 ConditioningZeroOut 把负向条件置零。正确做法：把精力全放在正向提示词的画面描述上。用内置默认工作流、界面上有负向提示词框的，同样别指望它。

❌ 照搬 SD1.5 参数：步数拉到 20、cfg 拉到 8

原因：蒸馏模型的步数与 cfg 跟着训练方式走，8 步 + cfg 1 就是官方模板配置，乱调反而崩。正确做法：参数保持模板默认，先改提示词和 seed；各参数的含义回看第一次生图的 KSampler 全参数表。

❌ ControlNet 文件放进 models/controlnet/，节点里找不到

原因：Fun Union ControlNet 是模型补丁（model patch），不走传统 ControlNet 的加载路数。正确做法：放进 models/model_patches/，由模板里的 ModelPatchLoader 加载。

❌ int8 工作流报错或加载失败

原因：int8 权重较新，旧版 ComfyUI 不认。官方模板说明 nightly 支持的模型要先更新，Desktop / Cloud 跟随 stable 发布。正确做法：先更新 ComfyUI 再试；还不行就按模型加载失败排查。

进阶技巧（可选）

🔧 一键放大到 2K：模板库还有「图像放大: Z-Image-Turbo 2K」（utility_z_image_turbo_2k_upscaler.app）：RealESRGAN_x4plus 先做保守放大，Z-Image-Turbo 再用低 denoise 重采样补细节，模板默认 denoise 0.33（0.15–0.25 更贴近原图，0.25–0.35 细节更多；超过 0.35 要配详细的画面描述，否则容易出伪影）。完整玩法见商品图高清放大。

🔧 想微调？用 Z-Image-Base：非蒸馏基座响应负向提示词、生成多样性更高，官方定位是给社区微调和定制开发。模板库有「Z-Image：文生图」「Z-Image Int8: 文生图」两个模板，扩散模型文件是 z_image_bf16.safetensors，文本编码器和 VAE 与 Turbo 通用（官方下载页指向同一批文件）。

🔧 模板库搜 Z-Image 还有组合流水线：比如先用 Grok 生成、再用 Z-Image 放大加纹理的多模型模板，搜 Z-Image 能翻到不少现成组合。

本课小结

✅ Z-Image-Turbo 工作流跑通了：模板加载 → 三件套归位 → 8 步出图；当前版本 ComfyUI 的内置默认工作流也是它。

✅ 参数记住了：8 步、cfg 1、res_multistep + simple、1024×1024、shift 3；负向条件置零是蒸馏模型的设计。

✅ 两条扩展路线：int8 量化版省约 8GB 权重；Fun Union ControlNet（放 model_patches/）让构图可控。

✅ 选型清楚了：日常出图用 Turbo，微调用 Base，修图等 Z-Image-Edit 的官方教程。

关键配置回顾：

配置	推荐值	说明
扩散模型	z_image_turbo_bf16.safetensors（int8 版 z_image_turbo_int8_convrot.safetensors）	放 models/diffusion_models/
文本编码器	qwen_3_4b.safetensors（int8 配套 qwen_3_4b_fp8_mixed.safetensors）	放 models/text_encoders/，CLIPLoader 类型 lumina2
VAE	ae.safetensors	放 models/vae/，两版通用
KSampler	8 步、cfg 1、res_multistep、simple、denoise 1.0	别照搬 SD1.5 的 20 步 + cfg 8
画布	EmptySD3LatentImage 1024×1024	换比例改 width / height
噪声调度	ModelSamplingAuraFlow shift 3	跟模板走
ControlNet	Z-Image-Turbo-Fun-Controlnet-Union.safetensors	放 models/model_patches/，支持 Canny / HED / Depth / Pose / MLSD

下一课预告

Z-Image-Turbo 胜在快，但要在图里写大段中文文字，还得看下一课的 Qwen-Image——阿里 Qwen 团队的 20B 文生图模型，中英文字渲染是它的招牌。下一课：Qwen-Image 文生图。

你会学到：

• Qwen-Image 20B 基座与蒸馏版 15 步、Lightning LoRA 8 步的加速路线
• 在图里写中文文字（海报、标语）的玩法
• Qwen-Image-2512 摄影升级版与 ModelScope 下载
• 它和 Z-Image-Turbo 怎么分工