Z-Image-Turbo使用协议：版权声明与商业使用规范

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

本文为Z-Image-Turbo项目官方授权与使用规范说明，适用于所有用户、开发者及企业。请在使用本项目前仔细阅读并遵守以下条款。

运行截图

项目背景与技术定位

Z-Image-Turbo 是基于阿里通义实验室发布的Tongyi-MAI/Z-Image-Turbo模型进行深度优化和二次开发的本地化 WebUI 图像生成系统，由开发者“科哥”主导构建。该项目旨在降低 AI 图像生成的技术门槛，提供高效、易用、可扩展的图形界面工具，支持一键部署、参数调节与批量生成。

该系统依托 DiffSynth Studio 开源框架，结合高性能推理引擎，在消费级 GPU 上实现秒级图像生成（最低1步推理），兼顾质量与效率，广泛适用于创意设计、内容创作、原型可视化等场景。

版权归属声明

1. 原始模型版权

原始模型所有权：Tongyi-MAI/Z-Image-Turbo模型及其权重文件归阿里巴巴集团所有。
发布平台：模型托管于 ModelScope，遵循 ModelScope 平台的开源许可政策。
原始许可证类型：根据 ModelScope 页面信息，该模型采用ModelScope 社区许可证（非商用），即允许研究、学习、个人使用，但禁止直接用于商业盈利目的。

2. 本项目（WebUI）版权

项目名称：Z-Image-Turbo WebUI
开发者：科哥（个人开发者）
代码版权：本项目的全部前端界面、后端服务逻辑、脚本文件（如start_app.sh,app/main.py等）均属于原创或基于 MIT 许可的开源组件二次开发，版权归“科哥”所有。
开源状态：当前版本暂未完全开源，仅提供可执行部署包；未来计划以MIT License发布核心代码，供社区自由使用与贡献。

✅明确区分：
- 模型本身 → 阿里通义所有（受非商用限制）
- WebUI 工具 → 科哥所有（拟MIT许可）

商业使用规范

由于本项目涉及“非商用模型 + 自研工具”的复合结构，其商业使用需严格遵守以下分级规则：

A. 个人/非商业用途（✅ 允许）

适用于： - 学习 AI 图像生成原理 - 个人艺术创作 - 教学演示、科研实验 - 社交媒体分享（非营利性）

✅ 使用条件： - 不收取任何费用 - 不将生成图像用于广告、商品包装、品牌宣传等商业行为 - 明确标注“AI生成内容”，避免误导公众

B. 商业用途定义（⚠️ 受限）

以下行为视为商业使用，需特别注意合规风险：

| 使用场景 | 是否属于商业使用 | 说明 | |--------|------------------|------| | 设计公司为客户制作海报 | ✅ 是 | 创作成果用于客户付费项目 | | 电商平台商品主图生成 | ✅ 是 | 直接影响销售转化 | | 游戏公司角色概念图 | ✅ 是 | 用于产品开发流程 | | 自媒体图文配图变现 | ✅ 是 | 内容产生广告收益 | | NFT 数字艺术品发行 | ✅ 是 | 涉及数字资产交易 |

📌重要提示：
即使通过本 WebUI 工具生成图像，只要底层调用的是Tongyi-MAI/Z-Image-Turbo模型，上述商业行为即违反原始模型许可协议。

C. 合法商业化路径建议

若希望将 Z-Image-Turbo 技术栈用于商业项目，推荐以下三种合规方案：

方案一：申请官方商业授权（推荐）

联系阿里通义实验室或 ModelScope 团队，申请Z-Image-Turbo模型的商业使用许可。

优势：合法合规，获得技术支持
适用对象：中大型企业、SaaS 平台、AIGC 服务商
获取方式：访问 ModelScope 官网提交商业合作申请

方案二：替换为已授权模型

在 WebUI 中集成其他具备商业授权的图像生成模型，例如：

# 示例：切换模型配置（config.yaml） model: name: "stabilityai/stable-diffusion-xl-base-1.0" license: "CreativeML Open RAIL-M" commercial_use: true

支持模型列表（部分）： | 模型名称 | 商业可用性 | 授权类型 | |--------|------------|---------| | Stable Diffusion XL | ✅ 是 | RAIL 协议（允许商业使用） | | Playground v2.5 | ✅ 是 | MIT 衍生许可 | | DeepFloyd IF | ✅ 是 | Apache 2.0 | | Kandinsky 3 | ✅ 是 | MIT |

💡 科哥将在后续版本中支持多模型热切换功能，便于用户自主选择合规模型。

方案三：自研/微调专属模型

利用Z-Image-Turbo作为基础，对模型进行微调（Fine-tuning）或蒸馏训练，生成具有独立知识产权的新模型。

步骤示例：
使用 LoRA 对原模型进行风格微调
在自有数据集上训练轻量分支
脱离原始权重，形成新模型资产
成果归属：新模型可申请独立版权，适用于商业场景

⚠️ 注意：微调仍可能涉及“衍生作品”争议，建议训练数据完全独立，并避免直接复制原模型输出特征。

二次开发与分发规范

1. 允许的行为（✅）

在本地运行 WebUI 进行图像生成
修改 UI 样式以适配内部系统（如更换 logo、主题色）
将 WebUI 部署至内网服务器供团队协作使用
基于 API 接口开发自动化工作流（如与 CMS 集成）

2. 禁止的行为（❌）

重新打包并对外售卖 WebUI 软件
声称本工具为“自主研发AI模型”
去除“关于”页面中的版权信息
将生成图像用于敏感领域（如政治宣传、虚假新闻）

3. 分发与再发布要求

若需在组织内部或合作伙伴间分发本工具，请遵守：

必须保留原始版权声明（包括“科哥”署名）
提供本使用协议副本
不得修改启动脚本中的许可验证逻辑（如有）
若做重大修改，应注明“基于 Z-Image-Turbo WebUI 修改版”

法律责任与免责条款

📌 本项目不构成法律建议，使用者需自行评估合规风险。

免责声明如下：

模型输出不可控性：AI 可能生成包含偏见、不当内容或侵权元素的图像，开发者不对结果负责。
版权争议风险：生成图像是否构成对现有作品的抄袭，需由使用者自行判断。
商业损失免责：因违反许可协议导致的下架、罚款、诉讼等后果，由使用者承担。
技术稳定性免责：本工具按“现状”提供，不保证无 bug 或持续更新。

合规使用最佳实践

为帮助用户安全、高效地使用 Z-Image-Turbo，提出以下5 条工程化建议：

1. 建立内容审核机制

在生产环境中部署自动过滤模块，拦截低质或违规图像：

# 示例：负向提示词增强策略 DEFAULT_NEGATIVE = [ "low quality", "blurry", "distorted", "ugly", "text", "watermark", "logo", "signature" ] def build_prompt(user_prompt, custom_negative=""): full_negative = ", ".join([custom_negative] + DEFAULT_NEGATIVE) return { "prompt": user_prompt, "negative_prompt": full_negative.strip(", ") }

2. 添加元数据水印

在生成图像时嵌入不可见标识，便于追溯来源：

from PIL import Image import json def add_metadata(image_path, metadata): img = Image.open(image_path) # 将元数据编码为 PNG 注释块 img.info["comment"] = json.dumps(metadata, ensure_ascii=False) img.save(image_path, "PNG")

元数据建议字段：

{ "generator": "Z-Image-Turbo WebUI v1.0.0", "author": "KeGe", "timestamp": "2025-01-05T14:30:25Z", "license": "Non-Commercial (Alibaba Tongyi-MAI)" }

3. 实施访问控制

对于企业部署环境，建议增加身份认证层：

# 使用 nginx + basic auth 保护 WebUI location / { auth_basic "Restricted Access"; auth_basic_user_file /etc/nginx/.htpasswd; proxy_pass http://127.0.0.1:7860; }

4. 日志审计与追踪

开启操作日志记录，满足合规审查需求：

import logging logging.basicConfig( filename='webui_audit.log', level=logging.INFO, format='%(asctime)s | %(ip)s | %(action)s | %(params)s' ) # 记录每次生成请求 logging.info(f"User from {request.client.host} generated image", extra={'ip': request.client.host, 'action': 'generate'})