目前世界上最好的文生图开源模型，本地部署，Windows可用前端

Ai学习的老章

发布于 2026-01-05 11:44:56

1990

文章被收录于专栏：机器学习与统计学机器学习与统计学

大家好，我是 Ai 学习的老章

前文介绍过

vLLM v0.13.0 来了，对 DeepSeek 深度优化全模态大模型部署，vLLM-Omni 来了，100% 开源

本文介绍一个母亲最强大的文生图模型——Z-Image-Turbo 的本地部署

Z-Image Turbo 是阿里云通义-MAI 团队（与阿里云万和 Qwen 团队无关）发布的首款模型，超越了 FLUX.2、HunyuanImage 3.0 (Fal) 和 Qwen-Image。

Z-Image Turbo 是新的开源权重文本生成图像模型第一名

Z-Image Turbo 在阿里云上的价格为每千张图像 5 美元，是目前最便宜的图像模型之一，比 FLUX.2（每千张图像 12 美元）、HiDream-I1-Dev（每千张图像 26 美元）和 Qwen-Image（每千张图像 20 美元）都要便宜。它是一个 6B 参数模型，仅需 16GB 内存即可在消费级硬件上运行。

根据基于 Elo 的人类偏好评估（在阿里巴巴 AI 竞技场上），Z-Image-Turbo 相对于其他领先模型表现出极高的竞争力，同时在开源模型中达到了最先进的结果。

版本问题

Z-Image 是一个强大的、高效的图像生成模型，具有 6B 参数。目前有三个变体：

🚀 Z-Image-Turbo – Z-Image 的精简版，仅用 8 NFEs（函数评估次数）就能与领先竞争对手匹敌或超越。它在企业级 H800 GPU 上提供 ⚡️亚秒级推理延迟⚡️，并且可以在 16G 显存的消费设备上轻松运行。它擅长生成逼真的图像、双语文本渲染（英文和中文），并具有强大的指令遵循能力。
🧱 Z-Image-Base – 非精简的基础模型，旨在解锁社区驱动的微调和自定义开发的全部潜力。
✍️ Z-Image-Edit – 专门针对图像编辑任务进行微调的 Z-Image 变体。它支持创意性的图像到图像生成，并具有令人印象深刻的指令跟随能力，允许根据自然语言提示进行精确编辑。

Z-Image-Turbo 能力一览

🧠 创意图像编辑 : Z-Image-Edit 对双语编辑指令有很强的理解能力，能够实现富有想象力和灵活性的图像变换。

📸 逼真质量: Z-Image-Turbo在保持出色审美质量的同时，提供强大的逼真图像生成

📖 准确的双语文本渲染 : Z-Image-Turbo 在准确渲染复杂中文和英文文本方面表现出色。

💡 提示增强与推理 : 提示增强器赋予模型推理能力，使其能够超越表面描述，挖掘潜在的世界知识。

本地部署

https://modelscope.cn/models/Tongyi-MAI/Z-Image-Turbo/

下载完整模型库

modelscope download --model Tongyi-MAI/Z-Image-Turbo --local_dir ./dir

vLLM-Omni 部署

全模态大模型部署，vLLM-Omni 来了，100% 开源

安装好环境后，可以使用 vllm-omni 拉起兼容 OpenAI API 协议的 API

vllm serve Qwen/Qwen-Image --omni --port 8091

没有显卡也可以直接调用 API

import requests
import time
import json
from PIL import Image
from io import BytesIO

base_url = 'https://api-inference.modelscope.cn/'
api_key = "<MODELSCOPE_TOKEN>"# ModelScope Token

common_headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json",
}

response = requests.post(
    f"{base_url}v1/images/generations",
    headers={**common_headers, "X-ModelScope-Async-Mode": "true"},
    data=json.dumps({
        "model": "Tongyi-MAI/Z-Image-Turbo", # ModelScope Model-Id, required
        # "loras": "<lora-repo-id>", # optional lora(s)
        # """
        # LoRA(s) Configuration:
        # - for Single LoRA:
        #   "loras": "<lora-repo-id>"
        # - for Multiple LoRAs:
        #   "loras": {"<lora-repo-id1>": 0.6, "<lora-repo-id2>": 0.4}
        # - Upto 6 LoRAs, all weight-coefficients must sum to 1.0
        # """
        "prompt": "A golden cat"
    }, ensure_ascii=False).encode('utf-8')
)

response.raise_for_status()
task_id = response.json()["task_id"]

while True:
    result = requests.get(
        f"{base_url}v1/tasks/{task_id}",
        headers={**common_headers, "X-ModelScope-Task-Type": "image_generation"},
    )
    result.raise_for_status()
    data = result.json()

    if data["task_status"] == "SUCCEED":
        image = Image.open(BytesIO(requests.get(data["output_images"][0]).content))
        image.save("result_image.jpg")
        break
    elif data["task_status"] == "FAILED":
        print("Image Generation Failed.")
        break

    time.sleep(5)

前端

官方提供的有前端

看上去是基于 Gradio 开发的，完整代码：https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo/tree/main

Clone 下来可以自己部署

社区有开源的基于 Z-Image-Turbo 的前端，比官方版功能更多

项目地址：https://github.com/ratszhu/Z-Image-Turbo-Carto

项目基于阿里通义 Tongyi-MAI/Z-Image-Turbo 模型，针对 Apple Silicon (M1/M2/M3) 和 NVIDIA RTX (Windows) 进行了深度的底层工程优化。它抛弃了传统的 Gradio 界面，采用 FastAPI + Vue 3 的现代化前后端分离架构，提供极速、高清、沉浸式的创作体验。

1. 环境准备

操作系统：macOS (Apple Silicon) 或 Windows 10/11 (NVIDIA GPU)。
Python：推荐 Python 3.10 或 3.11。
- ⚠️ 警告：请勿使用 Python 3.13，目前 PyTorch 对其支持尚不稳定。

2. 安装依赖

在项目根目录下打开终端：

# 1. 创建虚拟环境 (推荐)
python -m venv venv
# Mac/Linux 激活:
source venv/bin/activate
# Windows 激活:
.\venv\Scripts\activate

# 2. 安装依赖 (使用清华源加速)
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 模型准备

请确保项目根目录下存在以下文件（或在 config.py 中修改路径）：

基础模型：./Z-Image-Model
- 从 Hugging Face 下载 Tongyi-MAI/Z-Image-Turbo 完整文件夹。
LoRA 文件：./Technically_Color_Z_Image_Turbo_v1_renderartist_2000.safetensors
- 用于画质增强。