Коллекция Z-Image Finetuned Models | Многостильный генератор

Z-Image Finetuned Models: многостильная, высококачественная генерация изображений в ComfyUI

Этот рабочий процесс собирает Z-Image-Turbo и вращающуюся подборку донастроенных моделей Z-Image в единую, готовую к производству графику ComfyUI. Он предназначен для сравнения стилей бок о бок, поддержания согласованного поведения подсказок и получения четких, согласованных результатов с минимальными шагами. Под капотом он сочетает в себе оптимизированную загрузку UNet, нормализацию CFG, совместимую с AuraFlow выборку и опциональную инъекцию LoRA, чтобы вы могли исследовать реализм, кинематографические портреты, темное фэнтези и образы, вдохновленные аниме, без необходимости перенастраивать ваш холст.

Z-Image Finetuned Models идеально подходит для художников, инженеров подсказок и исследователей моделей, которые хотят быстро оценить несколько контрольных точек и LoRA, оставаясь в одной согласованной линии. Введите одну подсказку, отрендерьте четыре вариации из разных донастроек Z-Image и быстро выберите стиль, который лучше всего соответствует вашему заданию.

Ключевые модели в рабочем процессе Comfyui Z-Image Finetuned Models

• Tongyi-MAI Z-Image-Turbo. Диффузионный трансформер с одним потоком на 6B параметров, дистиллированный для фотореалистичной генерации текста в изображение с сильной приверженностью инструкциям и двуязычным рендерингом текста. Официальные веса и примечания по использованию находятся на карточке модели, а технический отчет и методы дистилляции подробно описаны на arXiv и в репозитории проекта. Model • Paper • Decoupled-DMD • DMDR • GitHub • Diffusers pipeline

• BEYOND REALITY Z-Image (коммунальная донастройка). Контрольная точка Z-Image с уклоном в фотореализм, которая подчеркивает глянцевые текстуры, четкие края и стилизованную отделку, подходящую для портретов и композиций, похожих на продукты. Model

• Z-Image-Turbo-Realism LoRA (пример LoRA, используемый в этом рабочем процессе в линии LoRA). Легкий адаптер, который продвигает ультрареалистичное рендеринг, сохраняя базовое выравнивание подсказок Z-Image-Turbo; загружается без замены вашей базовой модели. Model

• Семейство AuraFlow (референс, совместимый с выборкой). Рабочий процесс использует крючки выборки в стиле AuraFlow для стабильных генераций с небольшим количеством шагов; смотрите справочник по конвейеру для информации о планировщиках AuraFlow и их целях дизайна. Docs

Как использовать рабочий процесс Comfyui Z-Image Finetuned Models

График организован в четыре независимые линии генерации, которые разделяют общий текстовый энкодер и VAE. Используйте одну подсказку, чтобы управлять всеми линиями, затем сравните результаты, сохраненные из каждой ветви.

• Общая модель

  • Общая настройка загружает текстовый энкодер и VAE. Введите ваше описание в положительный CLIPTextEncode (#75) и добавьте дополнительные ограничения в отрицательный CLIPTextEncode (#74). Это сохраняет одинаковое условие через ветви, чтобы вы могли справедливо оценить, как каждая донастройка ведет себя. VAELoader (#21) предоставляет декодер, используемый всеми линиями для преобразования латентов обратно в изображения.

• Z-Image (Base Turbo)

  • Эта линия запускает официальный Z-Image-Turbo UNet через UNETLoader (#100) и патчирует его с помощью ModelSamplingAuraFlow (#76) для стабильности с небольшим количеством шагов. CFGNorm (#67) стандартизирует поведение руководства без классификатора, чтобы контраст и детали оставались предсказуемыми в разных подсказках. EmptyLatentImage (#19) определяет размер холста, затем KSampler (#78) генерирует латенты, которые декодируются VAEDecode (#79) и записываются SaveImage (#102). Используйте эту ветку в качестве базовой при оценке других моделей Z-Image Finetuned.

• Z-Image-Turbo + Realism LoRA

  • Эта линия инжектирует адаптер стиля с помощью LoraLoaderModelOnly (#106) поверх базовой UNETLoader (#82). ModelSamplingAuraFlow (#84) и CFGNorm (#64) сохраняют выходные данные четкими, в то время как LoRA продвигает реализм без перегрузки предмета. Определите разрешение с помощью EmptyLatentImage (#71), генерируйте с помощью KSampler (#85), декодируйте через VAEDecode (#86) и сохраняйте с помощью SaveImage (#103). Если LoRA кажется слишком сильным, уменьшите его вес здесь, а не чрезмерно редактируйте вашу подсказку.

• BEYOND REALITY донастройка

  • Этот путь заменяет коммунальную контрольную точку с помощью UNETLoader (#88), чтобы создать стилизованный, высококонтрастный вид. CFGNorm (#66) укрощает руководство, чтобы визуальный почерк оставался чистым, когда вы изменяете выборки или шаги. Установите ваш целевой размер в EmptyLatentImage (#72), отрендерьте с помощью KSampler (#89), декодируйте VAEDecode (#90), и сохраняйте через SaveImage (#104). Используйте ту же подсказку, что и базовая линия, чтобы увидеть, как эта донастройка интерпретирует композицию и освещение.

• Red Tide Dark Beast AIO донастройка

  • Контрольная точка, ориентированная на темное фэнтези, загружается с помощью CheckpointLoaderSimple (#92), затем нормализуется CFGNorm (#65). Эта линия акцентирует внимание на мрачных цветовых палитрах и более тяжелом микроконтрасте, сохраняя хорошее соблюдение подсказок. Выберите вашу рамку в EmptyLatentImage (#73), генерируйте с помощью KSampler (#93), декодируйте с помощью VAEDecode (#94), и экспортируйте из SaveImage (#105). Это практичный способ тестировать более грубую эстетику в той же настройке Z-Image Finetuned Models.

Ключевые узлы в рабочем процессе Comfyui Z-Image Finetuned Models

• ModelSamplingAuraFlow (#76, #84)

  • Цель: патчит модель для использования совместимого с AuraFlow пути выборки, который стабилен при очень низком количестве шагов. Контроль shift тонко регулирует траектории выборки; рассматривайте его как диск тонкой настройки, который взаимодействует с вашим выбором выборщика и бюджетом шагов. Для лучшей сравнимости между линиями сохраняйте тот же выборщик и регулируйте только одну переменную (например, shift или вес LoRA) за тест. Справочник: фоновая информация и заметки по планированию AuraFlow. Docs

• CFGNorm (#64, #65, #66, #67)

  • Цель: нормализует руководство без классификатора, чтобы контраст и детали не колебались резко, когда вы меняете модели, шаги или планировщики. Увеличьте его strength, если блики теряются или текстуры кажутся несогласованными между линиями; уменьшите, если изображения начинают выглядеть чрезмерно сжатыми. Сохраняйте его похожим между ветками, когда хотите чистое A/B сравнение моделей Z-Image Finetuned.

• LoraLoaderModelOnly (#106)

  • Цель: инжектирует адаптер LoRA непосредственно в загруженный UNet без изменения базовой контрольной точки. Параметр strength контролирует стилистическое воздействие; более низкие значения сохраняют базовый реализм, в то время как более высокие значения навязывают вид LoRA. Если LoRA подавляет лица или типографику, сначала уменьшите его вес, затем уточните формулировку подсказок.

• KSampler (#78, #85, #89, #93)

  • Цель: выполняет фактический диффузионный цикл. Выберите выборщик и планировщик, которые хорошо сочетаются с дистилляциями с небольшим количеством шагов; многие пользователи предпочитают выборщики в стиле Эйлера с равномерными или многошаговыми планировщиками для моделей класса Turbo. Сохраняйте семена фиксированными при сравнении линий и изменяйте только одну переменную за раз, чтобы понять, как каждая донастройка ведет себя.

Опциональные дополнения

• Начните с одного описательного абзаца-подсказки и используйте его во всех линиях, чтобы оценить различия между моделями Z-Image Finetuned; изменяйте слова стиля только после того, как выберете любимую ветку.
• Для моделей класса Turbo очень низкий или даже нулевой CFG часто дает самые чистые результаты; используйте негативную подсказку только когда необходимо исключить конкретные элементы.
• Сохраняйте одинаковое разрешение, выборщик и семя при проведении A/B тестов; изменяйте вес LoRA или shift небольшими шагами, чтобы изолировать причину и следствие.
• Каждая ветка записывает свой собственный вывод; четыре узла SaveImage имеют уникальные метки, чтобы вы могли быстро сравнивать и курировать.

Ссылки для дальнейшего чтения:

• Карточка модели Z-Image-Turbo: Tongyi-MAI/Z-Image-Turbo
• Технический отчет и методы: Z-Image • Decoupled-DMD • DMDR
• Репозиторий проекта: Tongyi-MAI/Z-Image
• Пример донастройки: Nurburgring/BEYOND_REALITY_Z_IMAGE
• Пример LoRA: Z-Image-Turbo-Realism-LoRA

Благодарности

Этот рабочий процесс реализует и основывается на следующих работах и ресурсах. Мы с благодарностью признаем модели HuggingFace за их вклад и поддержку. Для получения авторитетных деталей, пожалуйста, обратитесь к оригинальной документации и репозиториям, приведенным ниже.

Ресурсы

• Модели HuggingFace:
  • Beyond Reality
  • Dark Beast
  • Realism

Примечание: использование упомянутых моделей, наборов данных и кода подлежит соответствующим лицензиям и условиям, предоставленным их авторами и поддерживающими.