八步推理
以八个采样步骤渲染，并可配置为低至一步。
- Z-Image Turbo
请在桌面端浏览器打开本页开始创作。
快到足以边想边试
Z-Image Turbo 的构建围绕一个决策展开：将推理压缩到八步，而不是标准扩散模型所需的二十到五十步，并看看还能保留多少质量。
事实证明，相当多。其公开的优势包括照片级真实感输出、英中双语文本渲染，以及对指令的遵循——这些都不是你会预期一个如此小巧、如此快速的模型所擅长的。它牺牲的是上限，而不是能力。
在工作前期使用 Z-Image Turbo。探索视觉方向，测试一个想法是否能被理解，用占位图填充版面，并生成真正充分思考所实际需要的大量可丢弃图像。
什么是 Z-Image Turbo？
Z-Image Turbo 是一个拥有 60 亿参数的文本到图像模型。其架构是单流扩散 Transformer，其中的文本 token、语义 token 和图像 token 共享同一个 Transformer，而不是在不同分支中分别处理。
该模型围绕三大核心优势构建：
- 八步推理流水线，相比之下，标准扩散需要 20 到 50 步
- 尽管参数量相对较小，仍能输出照片级真实感图像
- 支持英文和中文双语文本渲染，并能可靠遵循指令
步数可配置低至一步，并且在数据中心硬件上可实现亚秒级延迟。权重已公开发布，不过在 Virse 中，它作为托管模型运行，无需安装任何内容。
Z-Image Turbo 规格一览
亚秒级延迟
可在数据中心硬件上实现，这正是整个设计所针对的目标。
60 亿参数
刻意做小，而速度正来源于此。
单流 Transformer
文本、语义和图像 token 共用一个 transformer，而不是分开的分支。
双语文本渲染
将英文和中文文字作为语言来处理，而不是作为装饰。
照片级真实输出
真实感渲染，而不是风格化的固定视觉。
Z-Image Turbo AI 图像生成器的主要功能
以速度为设计目标
用八步对比通常的二十到五十步，这不是调参微调，而是架构本身。这个模型的其他一切，都源于一个决定：让每次渲染都在你思路中断之前完成。
小模型，真实输出
六十亿参数只是旗舰模型所拥有参数量的一小部分，但它仍能保持照片级真实感和对指令的遵循。这种取舍体现为上限空间，而不是基本能力。
双语字体
英文和中文文本都能渲染成可读语言。在快速模型中，这一点已足够少见；当版式需要任一文字的标签时，它就很重要。
天生适合批量处理
当一次渲染用时不到一秒时，生成一组六张图就是一次决策，而不是六次决策。
为其他所有模型提供输入
你在这里喜欢的构图可以直接作为参考交给更重的图像模型，或作为开场帧交给视频模型，而无需离开画布。
开放权重，在此托管
该模型以开放方式发布，但在 Virse 中它作为托管服务运行，无需配置任何环境。
在 Virse 中使用 Z-Image Turbo 构建
快速模型的价值，取决于它下游承接的内容。单独来看，它只是一个新奇事物；作为流程的第一阶段，它会改变后续一切的经济成本。 Virse 让这种交接变得直接。在这里生成的结果，可以成为旗舰模型的参考，或成为视频模型的开场帧，而无需导出、重命名再重新上传。
提交前广泛探索
在旗舰模型生成两张图所需的时间里生成三十个方向，然后只把真正的精力花在留下来的方案上。
无需重新上传即可升级优胜结果
将效果不错的构图作为参考图像，直接送入同一画布上的更重模型。
访问 30+ 个创意模型
在 Z-Image Turbo 和 30 多个其他图像与视频模型之间切换，无需离开画布或重写简报。
让整个搜索过程保持可见
被否掉的方向会与选中的方案并排保留，而多数第二轮想法正是从这里产生的。
你可以用 Z-Image Turbo 创作什么？
概念探索
适用于项目初期的大范围视觉探索，此时方向数量比任何单一方案的完成度更重要。
情绪板
在一次工作中搭建出一块连贯的情绪板，而不是从搜索结果里拼凑一个。
布局占位图
在任何人决定真实图像应是什么之前，先用大致合适的图像填充设计稿。
提示词测试
先弄清楚什么措辞会产生什么结果，再把时间花在较慢的模型上验证。
视频关键帧草稿
以低成本迭代视频模型的起始画面。
高频社交内容
适用于每张图只需合理而不必卓越的发布节奏。
如何在 Virse 中使用 Z-Image Turbo
编写简短提示词
说明主体、场景和处理方式。在这样的速度下，长篇需求说明没有意义。
生成一组结果
一次运行六张。整批返回所需的时间，大约相当于一个旗舰模型渲染所需的时间。
判断方向，而不是细节
比较构图、色板和氛围。精细细节还不是你当前要评估的内容。
在其他地方重建胜出方案
将表现有效的提示词带到更高上限的模型中，用于制作最终发布的版本。
如何编写 Z-Image Turbo 提示词
一个有用的 Z-Image Turbo 提示词通常包含三个要素：
- 主体
- 场景
- 风格
与其这样写
黄金时刻，一名孤独的身影站在风吹拂的悬崖边，头发定格在运动瞬间，根根发丝捕捉到轮廓光，饱经风霜的羊毛大衣带有清晰可见的纤维纹理，远处有海鸟，体积感耶稣光，使用 85mm 镜头、f/1.4 拍摄。
不如这样写
日落时分，一个身影站在悬崖边，从背后观看，广角镜头。温暖的低角度光线。绘画感，柔和的色彩。
Z-Image Turbo 与 Nano Banana Pro 对比
| 对比维度 | Z-Image Turbo | Nano Banana Pro |
|---|---|---|
| 参数 | 60 亿 | 旗舰级规模 |
| 推理步数 | 8，可配置为 1 | 标准流程 |
| 设计目标 | 延迟 | 输出上限 |
| 文本渲染 | 英文和中文，短字符串 | 长段落和多语言版式 |
| 参考处理 | 单提示词驱动 | 带角色的多图融合 |
| 适用位置 | 探索和占位图 | 最终素材、印刷、客户项目 |
从快速模型中获得更多效果的技巧
判断方向，而不是质量
你关注的是构图、色彩和情绪。细节不在考量范围内，也不应成为评估的一部分。
每组六张生成
有足够的变化让你看出模式，速度也足够快，让你根本不会考虑值不值得。
将提示词控制在四十个词以内
再往上，你描述的就是八步推理无法解决的事情了。
知道何时已超越这一阶段
一旦你开始反复运行来修正小细节，就该切换模型，而不是切换提示词。
用于图像工作流程的工具
探索用于创建、编辑和准备设计资产的专用工具。
工具专业头像照生成器
上传一张照片，即可获得一组影棚级专业头像照，每张都有不同的场景、服装和风格。你的面部保持不变。无需训练步骤，也无需先收集一批图片。
- 工具
纯色背景产品图
将产品照片的背景替换为指定的统一纯色——可通过颜色名称、十六进制色值或颜色参考图指定——保持产品本身不变，并保留自然接触阴影和干净边缘。不适用于符合规范的纯白商品列表图或场景/生活方式背景替换。
工具字体效果生成器
刻在木头里的字母在光线下的表现，与液态金属铸成的字母不同，而没有哪条单一提示词能碰巧把两者都做对。输入你的文本，说明材质，即可获得一种效果：在保持措辞完整的同时，推演该材质应如何真实地捕捉光线。免费积分可为你生成第一个版本。
Z-Image Turbo 常见问题
什么是 Z-Image Turbo？
Z-Image Turbo 是一个拥有 60 亿参数的文生图模型，基于单流扩散 Transformer 构建，并压缩为八步推理流程，以实现极低延迟。
为什么 Z-Image Turbo 如此快速？
标准扩散模型每张图像需要 20 到 50 个采样步骤。这个模型只需八步，并可配置低至一步，这使其能够在数据中心硬件上实现亚秒级生成。
Z-Image Turbo 免费吗，费用是多少？
它适用于 Virse 的付费套餐。生成会消耗每月额度，而不是按张收费；更高等级的套餐在合理使用范围内不计量。当前套餐价格列在 Virse 定价页面上。
Z-Image Turbo 能在图像中渲染文字吗？
可以，英文和中文都支持。它适合处理标识牌、标签等短文本，而不是长篇段落。
Z-Image Turbo 好用吗？
用于探索和批量生成的话，是的。它具备照片级真实感，并且以其规模而言能够很好地遵循指令，但它并非为在精细细节或复杂排版上与旗舰模型竞争而打造。
Z-Image Turbo 是开源的吗？
权重已公开发布。在 Virse 中，它作为托管模型运行，因此无需下载或配置任何内容。
我应该用什么来生成最终图像？
用于文字和身份一致性的 Nano Banana Pro，用于受品牌约束工作的 FLUX 2 Pro，或用于长篇多约束简报的 GPT Image 2。
如何在 Virse 中使用 Z-Image Turbo？
从模型列表中选择它，写一个简短提示词，然后生成。一次运行多个——速度正是重点。