Z-Image-Turbo项目地址汇总：ModelScope与GitHub同步更新

阿里通义Z-Image-Turbo WebUI图像快速生成模型 二次开发构建by科哥

运行截图

Z-Image-Turbo WebUI 用户使用手册

欢迎使用 Z-Image-Turbo AI 图像生成 WebUI！本手册将帮助您快速上手并充分利用这个强大的 AI 图像生成工具。该项目由社区开发者“科哥”基于阿里通义实验室发布的Z-Image-Turbo模型进行深度二次开发，集成 DiffSynth Studio 架构，提供本地化、可定制的图形界面体验。

快速开始

启动 WebUI

在终端中执行以下命令启动服务：

# 方式 1: 使用启动脚本（推荐） bash scripts/start_app.sh # 方式 2: 手动启动 source /opt/miniconda3/etc/profile.d/conda.sh conda activate torch28 python -m app.main

启动成功后，终端会显示：

================================================== Z-Image-Turbo WebUI 启动中... ================================================== 模型加载成功! 启动服务器: 0.0.0.0:7860 请访问: http://localhost:7860

提示：首次运行需预加载模型至GPU显存，耗时约2-4分钟。后续请求响应速度显著提升。

访问界面

在浏览器中打开：http://localhost:7860

若部署在远程服务器，请通过http://<服务器IP>:7860访问，并确保防火墙开放7860端口。

界面说明

WebUI 分为三个标签页，结构清晰，操作直观。

1. 🎨 图像生成（主界面）

这是您最常用的界面，用于生成 AI 图像。

左侧：输入参数面板

正向提示词（Prompt）- 描述您想要生成的图像内容 - 支持中文和英文混合输入 - 建议使用具体、详细的描述以提高生成质量 - 示例：一只可爱的橘色猫咪，坐在窗台上，阳光洒进来，温暖的氛围，高清照片

负向提示词（Negative Prompt）- 明确排除不希望出现的内容 - 有效避免低质量输出（如畸变、模糊等） - 推荐通用负向词：低质量，模糊，扭曲，丑陋，多余的手指，水印

图像设置

| 参数 | 说明 | 范围 | 推荐值 | |------|------|------|--------| | 宽度 | 图像宽度（像素） | 512–2048（64倍数） | 1024 | | 高度 | 图像高度（像素） | 512–2048（64倍数） | 1024 | | 推理步数 | 生成迭代次数 | 1–120 | 40 | | 生成数量 | 单次生成张数 | 1–4 | 1 | | 随机种子 | 控制随机性 | -1=随机 | -1 | | CFG引导强度 | 对提示词的遵循程度 | 1.0–20.0 | 7.5 |

快速预设按钮-512×512：小尺寸方形 —— 快速测试用 -768×768：中等方形 —— 平衡画质与速度 -1024×1024：大尺寸方形（推荐）—— 最佳视觉表现 -横版 16:9：1024×576 —— 适合风景、壁纸 -竖版 9:16：576×1024 —— 适配手机屏幕展示

注意：所有尺寸必须为64的整数倍，否则可能导致推理失败或异常。

右侧：输出面板

• 生成的图像：实时展示生成结果，支持多图并列查看
• 生成信息：自动记录本次生成所使用的全部参数及元数据（可用于复现）
• 下载按钮：一键打包下载当前批次所有图像（PNG格式）

2. ⚙️ 高级设置

此页面提供系统级信息与调试支持，适用于进阶用户。

• 模型信息：
• 当前加载模型名称：Z-Image-Turbo
• 模型路径：models/z-image-turbo/

• 加载设备：CUDA/CPU（根据环境自动判断）

• 系统信息：

• PyTorch 版本：建议 ≥ 2.8.0
• CUDA 状态：是否启用 GPU 加速
• GPU 型号与显存容量（关键性能指标）

使用技巧：当遇到生成失败或卡顿问题时，可在此页面确认模型是否正确加载、设备资源是否充足。

3. ℹ️ 关于

包含项目版权信息、版本号、贡献者名单以及开源协议声明。

• 项目作者：科哥（社区二次开发维护）
• 原始模型来源：阿里通义实验室 @ ModelScope
• 前端框架：Gradio + Streamlit 混合架构
• 许可证：Apache 2.0（部分组件遵循MIT）

使用技巧

1. 撰写优秀的提示词

高质量提示词是获得理想图像的核心。

好的提示词示例：

一只可爱的橘色猫咪，坐在窗台上，阳光洒进来，温暖的氛围， 高清照片，景深效果，细节丰富

提示词结构建议：1.主体：明确描述主要对象（如"橘色猫咪"） 2.动作/姿态：描述主体在做什么（如"坐在窗台上"） 3.环境：描述场景（如"阳光洒进来"） 4.风格：指定艺术风格或质量（如"高清照片"、"水彩画风格"） 5.细节：添加额外细节（如"毛发细腻"、"逆光效果"）

常用风格关键词：- 照片风格：高清照片、摄影作品、景深、自然光- 绘画风格：水彩画、油画、素描、国画风- 动漫风格：动漫风格、二次元、赛璐璐、日系插画- 特殊效果：发光、梦幻、电影质感、超现实主义

2. 调节 CFG 引导强度

CFG（Classifier-Free Guidance）控制模型对提示词的遵循程度：

| CFG 值 | 效果 | 适用场景 | |--------|------|----------| | 1.0–4.0 | 弱引导，创意性强 | 实验性创作、抽象风格探索 | | 4.0–7.0 | 轻微引导 | 艺术类图像生成 | | 7.0–10.0 | 标准引导（推荐） | 日常使用，平衡创意与控制 | | 10.0–15.0 | 强引导 | 需要严格匹配提示词内容 | | 15.0+ | 过强引导 | 易导致色彩过饱和、画面僵硬 |

经验法则：一般保持在7.5左右即可满足大多数需求；若发现图像偏离预期，逐步上调至8–10。

3. 推理步数选择

虽然 Z-Image-Turbo 支持极简1步生成，但更多步数能显著提升图像一致性与细节还原度。

| 步数 | 质量 | 速度 | 推荐场景 | |------|------|------|----------| | 1–10 | 基础 | 极快 (~2秒) | 快速草图、灵感捕捉 | | 20–40 | 良好 | 快速 (~15秒) | 日常使用（推荐） | | 40–60 | 优秀 | 中等 (~25秒) | 高质量输出、打印用途 | | 60–120 | 最佳 | 较慢 | 最终成品、商业级图像 |

提示：超过60步后边际收益递减，建议结合CFG和提示词优化而非盲目增加步数。

4. 尺寸选择建议

不同应用场景推荐不同分辨率组合：

推荐尺寸：-方形 (1024×1024)：最佳兼容性，默认首选 -横版 (1024×576)：适合风景、海报、横屏展示 -竖版 (576×1024)：适合人像、社交媒体头像、手机壁纸

注意事项：- 尺寸必须是64 的倍数，否则可能报错 - 更大的尺寸需要更多显存（≥8GB VRAM 推荐用于1024×1024） - 若显存不足，尝试降低尺寸或切换至CPU模式（极慢）

5. 使用随机种子

• 种子 = -1：每次生成不同的图像（默认行为）
• 种子 = 具体数值：复现完全相同的生成结果

实际用途：- 找到满意图像后，记录其种子值以便后续微调 - 固定种子，仅调整提示词或CFG，观察变化趋势 - 与他人分享种子+参数，实现精准复现

常见使用场景

场景 1：生成可爱宠物

提示词：

一只金毛犬，坐在草地上，阳光明媚，绿树成荫， 高清照片，浅景深，毛发清晰，活泼表情

负向提示词：

低质量，模糊，扭曲，黑边，失真

参数：- 尺寸：1024×1024 - 步数：40 - CFG：7.5

场景 2：生成风景画

提示词：

壮丽的山脉日出，云海翻腾，金色阳光洒在山峰上， 油画风格，色彩鲜艳，大气磅礴，宽幅视角

负向提示词：

模糊，灰暗，低对比度，噪点

参数：- 尺寸：1024×576（横版） - 步数：50 - CFG：8.0

场景 3：生成动漫风格角色

提示词：

可爱的动漫少女，粉色长发，蓝色眼睛，穿着校服， 樱花飘落，背景是学校教室，动漫风格，精美细节

负向提示词：

低质量，扭曲，多余的手指，不对称眼睛

参数：- 尺寸：576×1024（竖版） - 步数：40 - CFG：7.0

场景 4：生成产品概念图

提示词：

现代简约风格的咖啡杯，白色陶瓷，放在木质桌面上， 旁边有一本打开的书和一杯热咖啡，温暖的阳光， 产品摄影，柔和光线，细节清晰，无阴影

负向提示词：

低质量，阴影过重，反光，划痕

参数：- 尺寸：1024×1024 - 步数：60 - CFG：9.0

故障排除

问题：图像质量不佳

可能原因和解决方法：

1. 提示词不够清晰
2. 添加更多细节描述（如材质、光照、背景）

3. 明确指定风格（如“高清照片”、“赛璐璐动画”）

4. CFG 值不合适

5. 太低（1–4）会导致忽略提示词
6. 太高（>15）易造成颜色溢出、边缘生硬

7. 建议先从7.5开始调试

8. 推理步数太少

9. 尝试增加至40–60步，尤其对于复杂构图

问题：生成速度慢

优化方法：

1. 降低图像尺寸

2. 从 1024×1024 降至 768×768 可提速约40%

3. 减少推理步数

4. 从 60 降至 30–40，适合初稿阶段

5. 减少生成数量

6. 一次只生成1张，避免显存压力过大

7. 检查硬件状态

8. 确保已启用CUDA，未误用CPU模式

问题：WebUI 无法访问

排查步骤：

1. 确认服务正在运行bash lsof -ti:7860 # 查看端口是否被占用

2. 查看日志文件bash tail -f /tmp/webui_*.log日志中通常会提示模型加载失败、依赖缺失等问题。

3. 尝试不同浏览器

4. 推荐使用 Chrome 或 Firefox

5. 清除缓存或使用无痕模式测试

6. 跨主机访问限制

7. 修改app/main.py中绑定地址为0.0.0.0
8. 确保防火墙放行7860端口

输出文件

生成的图像自动保存在：./outputs/目录

文件命名格式：outputs_YYYYMMDDHHMMSS.png

例如：outputs_20260105143025.png

建议：定期备份该目录，防止意外覆盖或删除。

键盘快捷键

目前 WebUI 不支持键盘快捷键，所有操作通过鼠标点击完成。

未来版本计划引入以下快捷操作： - Enter 键触发生成 - Ctrl+S 快速保存当前图像 - Tab 切换输入框焦点

高级功能

使用 Python API

如需批量生成、自动化任务或与其他系统集成，可通过内置API调用：

from app.core.generator import get_generator # 获取生成器实例 generator = get_generator() # 执行图像生成 output_paths, gen_time, metadata = generator.generate( prompt="一只可爱的猫咪", negative_prompt="低质量，模糊", width=1024, height=1024, num_inference_steps=40, seed=-1, num_images=1, cfg_scale=7.5 ) print(f"生成完成：{output_paths}") print(f"耗时：{gen_time:.2f} 秒")

适用场景：CI/CD流程、定时任务、AI绘画机器人、电商平台素材自动生成。

常见问题 (FAQ)

Q：为什么第一次生成很慢？
A：首次生成需要将模型从磁盘加载到GPU显存，耗时约2–4分钟。之后生成速度大幅提升（15–45秒/张）。

Q：可以生成文字吗？
A：Z-Image-Turbo 主要用于图像生成，对文字识别与渲染能力有限。不建议依赖其生成可读文本。

Q：支持哪些图像格式？
A：当前仅输出 PNG 格式（保留透明通道与高质量色彩）。如需 JPG/WebP，可用外部工具转换。

Q：可以修改已生成的图像吗？
A：当前版本不支持图像编辑（如Inpainting、Outpainting）。建议调整提示词重新生成。

Q：如何停止正在进行的生成？
A：刷新浏览器页面即可中断当前任务。

技术支持

开发者：科哥
微信联系：312088415（备注“Z-Image-Turbo”）

项目地址汇总（持续同步更新）：

| 类型 | 平台 | 地址 | |------|------|------| | 模型发布 | ModelScope | https://www.modelscope.cn/models/Tongyi-MAI/Z-Image-Turbo | | 源码仓库 | GitHub | https://github.com/koge/Z-Image-Turbo-WebUI | | 核心框架 | GitHub | https://github.com/modelscope/DiffSynth-Studio |

重要提示：本项目为社区二次开发版本，非阿里官方出品。原始模型版权归通义实验室所有。

更新日志

v1.0.0(2025-01-05) - 初始版本发布 - 支持基础图像生成 - 支持参数调节（CFG、步数、尺寸等） - 支持批量生成（1–4 张） - 集成 Gradio WebUI 交互界面 - 提供完整用户手册与常见场景模板

祝您创作愉快！