Z-Image本地安装和一键包，低配福音！

又有好玩的了！ Qwen推出了一个新的图像生成和编辑模型。

这个模型的名字叫Z-Image。

我简单概括一下这个模型特征，就是“又轻又快又好又准”。

翻译一下就是，对电脑配置要求低了，出图极快，效果又很好，可控性强，尺度不受限制（重要的放后面）。

本文就不做过多介绍了。说再多都不如玩起来。

详细的介绍看这篇文章《Qwen又出好东西了！Z-Image又轻又快又好又准！》

下面手把手教大家安装配置，要一键包的直接拉到最后！

1. 软件下载升级

要把这个东西跑起来，其实很简单。ComfyOrg 第一时间做了支持。

所以我们只要下载 ComfyUI 最新版，或者是升级一下本地版，就直接可以使用了，都不需要安装第三方节点。

我本地已经有 ComfyUI_windows_portable 了，所以选择了升级方案。

升级很简单。只要点击 update 文件夹里面升级脚本。

这里有三个脚本，直接点击 update_comfyui.bat。然后就会自动拉取最新代码，自动更新 Python 依赖。（需外网访问能力）

如果是要全新安装，可以参考我之前的文章，有非常详细的介绍。

2. 启动软件

升级完成之后，就可以点击 run_nvidia_gpu.bat 启动软件了。

启动之后，会自动调用浏览器，并打开主界面。

3. 加载工作流

打开主界面之后，会加载一个默认的工作流，或者加载你上一次使用过的工作流。而我们需要 Z-Image 的专属工作流。

工作流已经内置了，只需要打开模板，点击 Z-Image-Turbo 即可。

当前，这个模板排在第一位，很容易找到。

4. 下载模型

打开工作流之后，会立马弹出一个缺少模型的提示。莫慌！

官方工作流有一个好处，就是提供了模型下载地址。只要点击蓝色的下载按钮，下载模型即可。下面模型的间隙，我们直接往下看。

模型下载完成之后，按照下图的提示进行放置。

这次只涉及三个核心模型。只要把这些模型放到 models 下面的对应目录即可。

切换新前端（可选）。

打开工作流之后，顶部应该会有一个提示。提示你 ComfyUI 前端界面升级了。你可以“试试看”。启用之后，界面会更加现代化一些。

5. 工作流简介

这次的工作流看起来非常简单，就两个节点。

核心节点叫 Z-Image-Turbo Text to Image。另一个是常规的图片预览和保存节点。

其实，这个工作流是使用了子图，看起来才这么简洁。

点击核心节点的右上角小图标，可以查看完整的工作流。

这个工作流就稍微复杂了一点点。其实也很简单。

Step 1：加载模型

Step 2：设置图像大小

Step 3：提示词

然后就是把这些内容全部送给了 K 采样器，最后生成图片，并显示出来。

由于本地还没有模型，所以有红色警报。

当我们把模型下载完，并放到相应位置之后。

点击左上角 图标 -> 编辑 -> 刷新节点定义。

刷新之后红色警报就消失了。

6. 运行生成

上面的事情干完，万事俱备。只要点击一下，右上角的运行按钮。

然后坐等出图：

我测试电脑为 RTX 5060 Ti 16GB。这个例子大概跑了 1 分钟左右。

首先 16 GB 确实能正常运行，但是消耗时间和预期有很大的差距。

而且图片中的小字部分出现了乱码。

经过简单的测试之后发现，速度问题主要是和参数设置有关，而乱码问题，有一定的随机性，调整比例之后似乎正常了很多。

从图中可以看到，这个工作流默认竟然使用了 2048×2048 的尺寸，这个尺寸明显很大。

我调整成 1024×1024 之后，速度瞬间就提升了很多，6~7 秒一张图，这个速度相当可以了。

另外，我按常规杂志的尺寸做了比例调整，好像就没有出现乱码了。

优化后的设置如下：

我试了下面这三个尺寸：

✔ 1200 × 1600 px（更高清的竖图）

✔ 1280 × 1700 px（杂志封面更宽松）

✔ 1500 × 2000 px（适合高质量印刷生成）

结果都挺好。

大图如下：

非常成功，没有明显的问题。

另外我也尝试了 FP8 模型。

显存占用基本在 8~9 GB 之间，最后一哆嗦，图片就生成完成了。因为我的显存是 16 GB，所以它会尽可能占用显存，从这个情况来看，8 GB 显存在加点内存应该是可以运行的。8 GB 的朋友，试一下，做个反馈。

另外还有 GGUF 模型也已经有了，应该可以进一步降低显存消耗，所以网上有人说 6 GB 也能跑。这个具体情况，得看网友们总结了。我没有低于 16 GB 的显卡了，没法测试。

今天我们的主要目标是先用上，然后，我们再来研究用好！

预设关键词：“zimage”，给公众号发送，就可以获取软件+模型+工作流了。

相关地址：

https://tongyi-mai.github.io/Z-Image-blog/
​
https://www.modelscope.cn/aigc/imageGeneration
​
https://huggingface.co/T5B/Z-Image-Turbo-FP8/tree/main
​
https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo