Qwen又出好东西了！Z-Image又轻又快又好又准！| 甲维斯

Qwen在开源这条路上是越走越强了！ 又出了一个好东西 ！

图片来自X友！

前端时间开源的Qwen-Image-Edit和Wan2.2 已经刷新了大家对开源模型在图形和视频生产上的认知。

没多久他们有发布了一个新的图形生成模型z-image！粗略感受了一下，非常强大！

有人拿它和当红炸子鸡Banana Pro比较了一波。

你们猜猜哪个是z-iamge？

以后可以无限制批量生产各种尺度的美女图片了。

画面质感非常棒！

刷了一波图片，我立马来精神了 。然后把项目官方网页翻了出来了。

美女只是我们的娱乐项目，z-image 显然不止于此。

官方在核心功能里面 写了三个数据，1秒、6B+、16GB显存。

翻译一下说人话就是，模型参数很小，显存需求很小，出图速度很快。 每一条都击中了普罗大众的痛点啊。

这里显存是写了16GB，还有一点点大，但是优化之后，显存减半应该没什么问题，已经有人说8GB甚至6GB 都能跑！

它们这个项目主页写的非常清晰和精准，我就搬过来给大家看一下。

模型

这次的模型模型参数为60亿，但是可生成媲美规模大一个数量级模型，生成逼真图像。它能在显存不足16GB的消费级显卡上流畅运行，使更多用户能够体验到先进的图像生成技术。

有两个版本的模型，一个是z-Image-Turbo 和Z-Image-Edit 。

一个是用来生成逼真的图像，能精准渲染中英文文本，并严格遵循双语指令，只要8步就可以达到超过主流精品的新能。

一个专用语图像编辑，它可以遵循复杂指令，能胜任从局部修改，全局风格转换等多种任务，并保持高度的一致性。

结构

下面是结构图：

我看不懂 ，只是觉得画的很好看！会不会是用z-image生成的？

下面就来说说它具体有哪些特点，有五大特点！

1.真实感

Z-Image-Turbo 擅长生成具有摄影级真实感的图像，能够精准控制细节、光照和纹理。它在构图和整体氛围方面兼顾了高保真度和极佳的美感。生成的图像不仅逼真，而且极具视觉吸引力。

这个是没有吹牛啊，生成的图片，AI感已经非常非常弱了。当然，现在这个时代，看什么图都像AI了。

2.精通中英文

Z-Image-Turbo 能够精准渲染中英文文本，同时保持面部真实感和整体美感，其效果可媲美顶级闭源模型。在海报设计方面，它展现出强大的构图能力和良好的排版表现力。即使在字体较小等具有挑战性的场景下，它也能渲染出高质量的文本，呈现兼具文本准确性和视觉冲击力的设计。

这是一个非常实用的能力。用来非常适合用来做各种封面设计，海报设计。

3.见多识广

Z-Image拥有广博的世界知识和多元文化概念，这使其能够精确生成各种各样的主题，包括著名地标、知名人物和具体的现实世界物体。

这一点也很重要，一个画家如果没见过金门大桥，不知道金门大桥，它就不可能画出金门大桥。

4.会推理思考

强大的提示增强器利用结构化的推理链注入逻辑和常识，使模型能够处理诸如“鸡兔问题”或中国古典诗歌可视化等复杂任务。在编辑任务中，即使面对含糊不清的用户指令，模型也能运用其推理能力推断用户的潜在意图，确保结果逻辑一致。

上面几个例子 中可以看到，虽然提示词非常少，但是可以生成非常完整且符合逻辑的内容，这一点用过Banana Pro应该也有很强的感受，强大的模型就是你稍微动动嘴，它就心领神会了。比较差的模型，写了几百个字的提示词，还是做不出好的图片。

5.活好听话

Z-Image-Edit 可以精确执行复杂的指令，例如在添加指定文本的同时修改角色的表情和姿势。即使在进行如此大幅度的变换时，它也能保持高度一致性，展现出对图像每个元素的精细控制。

这是针对图片编辑的模型的，对于这一类模型 ，就两个核心点，一个是一致性，一个是精准性。 需要精准的修改，然后又能保持一致性。

看完这个介绍，基本上可以看出来，Z-Image确实是把图片生成玩明白了。

生图强大，改图强大，模型小，显存低，速度快，每一个点都精准的打在痛点上了。

当然，还有一个隐藏的特性，官方不会说…. 开源意味着…可以为所欲为哦！！！

官方博客地址：

https://tongyi-mai.github.io/Z-Image-blog/

体验地址：

https://www.modelscope.cn/aigc/imageGeneration（国内 ）
​
https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo（国外）

我已经在本地粗略运行过了，5060上面一张1024×1024的图片仅需 6秒钟！