Colección de Modelos Ajustados Z-Image | Generador Multiestilo

Modelos Ajustados Z-Image: generación de imágenes de alta calidad y multiestilo en ComfyUI

Este flujo de trabajo ensambla Z-Image-Turbo y un conjunto rotativo de modelos ajustados Z-Image en un único gráfico de ComfyUI listo para producción. Está diseñado para comparar estilos lado a lado, mantener el comportamiento del prompt consistente y producir resultados nítidos y coherentes con pasos mínimos. Bajo el capó combina carga optimizada de UNet, normalización CFG, muestreo compatible con AuraFlow, e inyección opcional de LoRA para que puedas explorar realismo, retratos cinematográficos, fantasía oscura y looks inspirados en anime sin reconfigurar tu lienzo.

Los Modelos Ajustados Z-Image son ideales para artistas, ingenieros de prompts y exploradores de modelos que desean una forma rápida de evaluar múltiples puntos de control y LoRAs mientras se mantienen dentro de un único pipeline consistente. Introduce un prompt, renderiza cuatro variaciones de diferentes afinaciones Z-Image, y bloquea rápidamente el estilo que mejor se ajuste a tu brief.

Modelos clave en el flujo de trabajo Comfyui de Modelos Ajustados Z-Image

• Tongyi-MAI Z-Image-Turbo. Un Transformador de Difusión de Flujo Único de 6B parámetros destilado para texto-a-imagen fotorrealista de pocos pasos con fuerte adherencia a instrucciones y renderizado de texto bilingüe. Los pesos oficiales y notas de uso están en la tarjeta del modelo, con el informe técnico y métodos de destilación detallados en arXiv y en el repositorio del proyecto. Model • Paper • Decoupled-DMD • DMDR • GitHub • Diffusers pipeline

• BEYOND REALITY Z-Image (afinación comunitaria). Un punto de control Z-Image orientado al fotorrealismo que enfatiza texturas brillantes, bordes nítidos y acabados estilizados, adecuado para retratos y composiciones similares a productos. Model

• Z-Image-Turbo-Realism LoRA (ejemplo de LoRA usado en el carril LoRA de este flujo de trabajo). Un adaptador ligero que impulsa el renderizado ultra-realista mientras preserva la alineación del prompt base Z-Image-Turbo; cargable sin reemplazar tu modelo base. Model

• Familia AuraFlow (referencia compatible con muestreo). El flujo de trabajo usa ganchos de muestreo estilo AuraFlow para generaciones estables de pocos pasos; consulta la referencia del pipeline para antecedentes sobre los planificadores AuraFlow y sus objetivos de diseño. Docs

Cómo usar el flujo de trabajo de Modelos Ajustados Z-Image en Comfyui

El gráfico está organizado en cuatro carriles de generación independientes que comparten un codificador de texto común y VAE. Usa un prompt para conducir todos los carriles, luego compara resultados guardados de cada rama.

• Modelo General

  • La configuración compartida carga el codificador de texto y VAE. Introduce tu descripción en el CLIPTextEncode positivo (#75) y añade restricciones opcionales al CLIPTextEncode negativo (#74). Esto mantiene el condicionamiento idéntico a través de las ramas para que puedas juzgar justamente cómo se comporta cada afinación. El VAELoader (#21) proporciona el decodificador usado por todos los carriles para convertir latentes de nuevo en imágenes.

• Z-Image (Turbo Base)

  • Este carril ejecuta el UNet oficial Z-Image-Turbo a través de UNETLoader (#100) y lo parchea con ModelSamplingAuraFlow (#76) para estabilidad de pocos pasos. CFGNorm (#67) estandariza el comportamiento de la guía sin clasificador para que el contraste y el detalle del sampler se mantengan predecibles a través de los prompts. Un EmptyLatentImage (#19) define el tamaño del lienzo, luego KSampler (#78) genera latentes que son decodificados por VAEDecode (#79) y escritos por SaveImage (#102). Usa esta rama como tu línea base al evaluar otros Modelos Ajustados Z-Image.

• Z-Image-Turbo + Realism LoRA

  • Este carril inyecta un adaptador de estilo con LoraLoaderModelOnly (#106) sobre el UNETLoader base (#82). ModelSamplingAuraFlow (#84) y CFGNorm (#64) mantienen las salidas nítidas mientras el LoRA impulsa el realismo sin abrumar el tema. Define la resolución con EmptyLatentImage (#71), genera con KSampler (#85), decodifica vía VAEDecode (#86), y guarda usando SaveImage (#103). Si un LoRA se siente demasiado fuerte, reduce su peso aquí en lugar de sobre-editar tu prompt.

• Finetune BEYOND REALITY

  • Esta ruta cambia a un punto de control comunitario con UNETLoader (#88) para ofrecer un aspecto estilizado y de alto contraste. CFGNorm (#66) doma la guía para que la firma visual se mantenga limpia cuando cambies de muestreador o pasos. Establece tu tamaño objetivo en EmptyLatentImage (#72), renderiza con KSampler (#89), decodifica VAEDecode (#90), y guarda vía SaveImage (#104). Usa el mismo prompt que el carril base para ver cómo esta afinación interpreta la composición y la iluminación.

• Afinación Red Tide Dark Beast AIO

  • Un punto de control orientado a la fantasía oscura se carga con CheckpointLoaderSimple (#92), luego se normaliza con CFGNorm (#65). Este carril se inclina hacia paletas de colores sombríos y micro-contrastes más intensos mientras mantiene una buena conformidad con el prompt. Elige tu marco en EmptyLatentImage (#73), genera con KSampler (#93), decodifica con VAEDecode (#94), y exporta desde SaveImage (#105). Es una forma práctica de probar estéticas más ásperas dentro de la misma configuración de Modelos Ajustados Z-Image.

Nodos clave en el flujo de trabajo de Modelos Ajustados Z-Image en Comfyui

• ModelSamplingAuraFlow (#76, #84)

  • Propósito: parchea el modelo para usar una ruta de muestreo compatible con AuraFlow que es estable en conteos de pasos muy bajos. El control shift ajusta sutilmente las trayectorias de muestreo; trátalo como un dial de finura que interactúa con tu elección de sampler y presupuesto de pasos. Para la mejor comparabilidad a través de carriles, mantén el mismo sampler y ajusta solo una variable (por ejemplo, shift o peso LoRA) por prueba. Referencia: antecedentes del pipeline AuraFlow y notas de programación. Docs

• CFGNorm (#64, #65, #66, #67)

  • Propósito: normaliza la guía sin clasificador para que el contraste y el detalle no oscilen salvajemente cuando cambias modelos, pasos o planificadores. Aumenta su strength si los reflejos se lavan o las texturas se sienten inconsistentes entre carriles; redúcelo si las imágenes comienzan a parecer excesivamente comprimidas. Manténlo similar a través de las ramas cuando quieras un A/B limpio de los Modelos Ajustados Z-Image.

• LoraLoaderModelOnly (#106)

  • Propósito: inyecta un adaptador LoRA directamente en el UNet cargado sin alterar el punto de control base. El parámetro strength controla el impacto estilístico; valores más bajos preservan el realismo base mientras que valores más altos imponen el look del LoRA. Si un LoRA sobrepasa rostros o tipografía, reduce primero su peso, luego ajusta finamente la redacción del prompt.

• KSampler (#78, #85, #89, #93)

  • Propósito: ejecuta el bucle de difusión real. Escoge un sampler y planificador que se emparejen bien con destilaciones de pocos pasos; muchos usuarios prefieren samplers estilo Euler con planificadores uniformes o de múltiples pasos para modelos de clase Turbo. Mantén las semillas fijas al comparar carriles, y cambia solo una variable a la vez para entender cómo se comporta cada afinación.

Extras opcionales

• Comienza con un prompt de estilo párrafo descriptivo y reutilízalo a través de todos los carriles para juzgar diferencias entre los Modelos Ajustados Z-Image; itera palabras de estilo solo después de elegir un carril favorito.
• Para modelos de clase Turbo, un CFG muy bajo o incluso cero a menudo produce los resultados más limpios; usa el prompt negativo solo cuando debas excluir elementos específicos.
• Mantén la misma resolución, sampler y semilla al hacer pruebas A/B; cambia el peso LoRA o shift en pequeños incrementos para aislar causa y efecto.
• Cada rama escribe su propia salida; los cuatro nodos SaveImage están etiquetados de manera única para que puedas comparar y curar rápidamente.

Enlaces para lectura adicional:

• Tarjeta del modelo Z-Image-Turbo: Tongyi-MAI/Z-Image-Turbo
• Informe técnico y métodos: Z-Image • Decoupled-DMD • DMDR
• Repositorio del proyecto: Tongyi-MAI/Z-Image
• Ejemplo de afinación: Nurburgring/BEYOND_REALITY_Z_IMAGE
• Ejemplo de LoRA: Z-Image-Turbo-Realism-LoRA

Reconocimientos

Este flujo de trabajo implementa y se basa en los siguientes trabajos y recursos. Agradecemos a los modelos de HuggingFace por el artículo por sus contribuciones y mantenimiento. Para detalles autorizados, por favor consulta la documentación original y los repositorios enlazados a continuación.

Recursos

• Modelos de HuggingFace:
  • Beyond Reality
  • Dark Beast
  • Realism

Nota: El uso de los modelos, conjuntos de datos y código referenciados está sujeto a las respectivas licencias y términos proporcionados por sus autores y mantenedores.