LogoKling 4 AI
  • Create
  • AI 图片
  • AI 视频
  • 提示词
  • 定价
  • API
发布于May 2025

Z-Image AI 图像生成器

Z-Image 是通义万相团队 Tongyi-MAI 推出的开源 6B 图像基础模型。它强调提示词服从、较宽的视觉覆盖范围,以及后续 Turbo、Edit 等家族变体;在这个页面里,你可以用它完成文生图和单参考图图生图。

加载中...

提示词:

1:1

4:3

3:4

16:9

9:16

模型:

加载中...

无预览

如何使用 Z-Image

在这个页面里用 Z-Image 完成文生图和单参考图图生图

先写提示词,需要时再加一张参考图,然后通过几轮快速迭代收紧请求,让画面和文字更稳定地靠近你的目标。

01

先描述主体和视觉目标

写出主体、镜头感觉、光线、构图,以及图里需要出现的文字。

02

需要时再加一张参考图

如果你想保留氛围、商品形体或版式方向,可以上传一张参考图,再用自然语言继续约束结果。

03

快速出图并继续收紧提示词

按需要的比例生成图片,对比不同结果,然后继续细化提示词,直到构图和文字都更贴近目标。

Z-Image 的核心优势

作为基础图像模型,Z-Image 真正突出的地方

Z-Image 是一个开放的 6B 基础模型,提示词响应更清楚,家族变体更完整,也已经有真实的本地部署路径。

开源的 6B 基础模型

Z-Image 是整个家族的基座模型,所以团队可以研究、微调和部署上游版本,而不是只能依赖闭源托管工具。

上游模型以 Apache-2.0 公开发布,并可在 GitHub 和 Hugging Face 获取。
它同时也是 Z-Image-Turbo、Z-Image-Edit 等后续家族变体的基础。
如果你在意权重可得性和本地部署,而不只是一次性生成,这会更有价值。

提示词与负向提示的控制更容易体现

官方材料强调提示词服从和负向提示,这让它在你需要清楚看到提示词改动时更好用。

当你明确写出主体、构图、风格,以及不要出现什么时,它的响应会更清楚。
这对海报、商品场景和版式敏感的提示词尤其有帮助。
当基础提示词保持稳定时,也更容易比较不同变体。

一个基础模型就能覆盖多种视觉方向

作为未蒸馏的基础模型,Z-Image 可以在写实、海报排版和更风格化的方向之间切换,而不用一开始就换模型家族。

它能在写实、海报感和风格化方向之间切换,不会过早把你锁死在一种视觉倾向里。
在同一个基础提示词下,它适合探索人物形象、姿态、版式和艺术方向的变化。
这对前期还在收窄创意方向时更有价值。

已经有真实的本地运行时和 ComfyUI 生态

Z-Image 已经出现在 diffusers、本地运行时、ComfyUI 工具和工作流包里。

它已经有真实的本地推理路径和社区工具,而不只是几个托管演示。
你可以把它接到 LoRA、ControlNet 和自定义工作流实验里。
如果本地部署是选模型的重要条件,这一点很关键。
适用场景

Z-Image 特别适合这些任务

更适合提示词驱动的生成、海报版式、偏商品感的视觉图,以及这个页面里的单参考图细化任务。

提示词驱动的商品和营销视觉

当你想要更干净的构图、材质和光线时,可以用它做商品主图、包装概念图、广告草图和落地页视觉图。

海报和排版导向的概念图

当提示词控制和文字可读性都重要时,可以用 Z-Image 做海报、社交图和版式导向的创意图。

基于参考图的图像细化

从一张参考图出发,推动风格、构图或视觉方向变化,而不用从零重新搭整个概念。

自托管和工作流导向的使用

如果你后续可能把同一模型迁到 ComfyUI、本地运行时或更定制化的图像流程里,Z-Image 会更合适。

提示词模式与示例

通过真实示例,理解怎么写更好的 Z-Image 提示词

每张卡片都会展示一个提示词模式、对应的真实 Z-Image 结果,以及背后的写法细节。先看图,再展开看完整提示词、它为什么有效,以及如何照着写。

商品视觉

适合的提示词方向

适合需要干净商业光线控制的商品视觉。

一只高端护肤瓶置于石质台座上,在柔和棚拍光线下拍摄。

高端护肤品主视觉图

提示词公式

[产品] + [镜头角度] + [台面/背景] + [光线] + [商业成片风格]

查看提示词细节展开

完整提示词

A premium glass skincare bottle on a light beige stone pedestal, soft directional studio lighting, subtle shadow, clean editorial composition, luxury e-commerce hero shot, minimal background, realistic reflections, high-end packaging photography.

为什么有效

这个提示词很符合 Z-Image 在写实、光线控制和偏商业成片感上的优势。

预期输出

适合作为落地页、商品页或店铺横幅主图的干净商品视觉。

提示

  • 先写产品本体,再明确镜头类型和台面环境。
  • 用 glass、stone、matte、reflective 这类材质词,可以减少语义漂移。
带文字的海报

适合的提示词方向

适合需要中文或英文更可读的海报概念图。

一张双语音乐节海报,包含醒目的 Summer Pulse 2026 标题和粗体中文副标题。

中英双语音乐节海报

提示词公式

[海报主题] + [标题文字] + [文字语言] + [排版层级] + [背景风格]

查看提示词细节展开

完整提示词

Modern bilingual music festival poster, bold headline "Summer Pulse 2026", smaller Chinese subtitle "城市电子音乐节", black background with neon orange and cyan accents, clear visual hierarchy, centered headline block, dynamic but readable event poster design.

为什么有效

当中文或英文文字本身就是创意的一部分,而不只是装饰时,Z-Image 会更有优势。

预期输出

做出标题块更清楚、辅助文字更易读的海报概念图。

提示

  • 当文案必须精确时,把正文放进引号里。
  • 把文字层级和海报氛围分开描述,会更稳定。
图生图

适合的提示词方向

适合需要保留物体身份的单参考图编辑。

一只磨砂白色护肤按压瓶,搭配鼠尾草绿色点缀,来自参考图驱动的包装升级提示词。

参考图驱动的包装升级

提示词公式

[保持不变的部分] + [要改变的部分] + [新的光线/风格/构图方向]

查看提示词细节展开

完整提示词

Keep the bottle shape, cap structure, and front-facing composition from the reference image. Change the packaging style to a modern matte white and sage green palette, softer studio light, cleaner premium skincare branding direction, more refined retail presentation.

为什么有效

这类任务很适合 Z-Image 的单参考图编辑能力,而且请求也足够集中。

预期输出

在保留产品身份的前提下,完成更可控的包装方向升级。

提示

  • 先写必须保持稳定的部分,比如形体、构图或产品结构。
  • 把改动范围写窄一点,一张参考图才能更干净地起作用。
营销创意

适合的提示词方向

适合需要动感和商品清晰度兼顾的商业广告方向。

一张冰咖啡广告视觉,冷萃液体飞溅,背景是阳光海滩。

咖啡品牌的快速社交广告概念

提示词公式

[主体] + [视觉方向] + [构图] + [颜色/光线] + [使用场景]

查看提示词细节展开

完整提示词

Commercial iced coffee campaign visual, close-up cold brew cup with ice splash, premium coffee packaging beside the drink, bright summer daylight, beachside mood, energetic composition, crisp product photography, premium beverage advertising style, no logos, no brand names, clean packaging design.

为什么有效

这个提示词把产品布置、光线和广告意图都写得很明确,同时规避了品牌文案干扰。

预期输出

适合延展到社交广告、季节性活动或落地页主视觉的饮品广告方向。

提示

  • 写清楚营销渠道或使用场景,构图会更有目的性。
  • 动作只保留一个最强的,比如 splash 或 close-up,不要同时堆很多动势。
什么时候选 Z-Image

当你在意开放权重和本地部署时,Z-Image 更合适

当你希望提示词改动能更清楚地体现在结果里,计划在这个页面之外继续复用模型,或者在意开放权重和本地运行时,Z-Image 会更合适。

当你希望现在生成、以后继续复用同一模型时

如果你想先在这里生成,之后再把同一个模型家族迁到 ComfyUI、本地运行时或定制流程里,Z-Image 更适合。它更适合那些在意提示词控制和模型可得性的场景。

当你只想开箱即用的托管风格时,可以选别的模型

如果你更想要某种现成的托管风格,不在意开放权重、本地运行时和后续定制,就可以去试 GPT-4o 或 Seedream。它们会更直接。

社区外部证明

围绕 Z-Image 的社区示例与外部讨论

这些视频、X 帖子和 Reddit 讨论,补充了 Z-Image 在社区里的真实案例和使用视角。它们更适合作为辅助证明,在你先理解模型本身和上面的提示词模式之后再看。

视频示例

X 帖子

Reddit 讨论

开源生态

与 Z-Image 相关的开源项目

这些 GitHub 项目都经过人工筛选,确认与 Z-Image 或其家族生态直接相关。你可以用它们研究模型、在本地运行,或理解社区是怎么围绕它搭建流程的。

仓库 01

Tongyi-MAI / Z-Image

官方仓库

Tongyi-MAI 发布的上游 Z-Image 仓库,是 6B 模型家族、checkpoint、技术报告和官方推理说明的首要来源。

10,481 星标
Apache-2.0
查看项目

仓库 02

Koko-boya / Comfyui-Z-Image-Utilities

ComfyUI 工具节点

专门为 Z-Image 工作流做的 ComfyUI 扩展,包含提示词增强、图像感知提示和集成采样节点。

116 星标
Apache-2.0
查看项目

仓库 03

martin-rizzo / AmazingZImageWorkflow

ComfyUI 工作流包

面向 Z-Image 家族的 ComfyUI 工作流包,内置风格、refiner、upscaler,以及 GGUF 和 Safetensors 的现成配置。

398 星标
Unlicense
查看项目

仓库 04

martin-rizzo / ComfyUI-ZImagePowerNodes

ComfyUI 自定义节点

专门为 Z-Image 和 Z-Image-Turbo 设计的一组 ComfyUI 自定义节点,补充了风格、latent 设置和工作流易用性。

166 星标
MIT
查看项目
FAQs

常见问题

关于 Kling 4 与平台

什么是 Z-Image?

Z-Image 是 Tongyi-MAI 发布的开源 6B 图像基础模型。它是整个 Z-Image 家族的基座模型,重点在于提示词服从、较宽的视觉覆盖范围,以及后续微调、部署和变体扩展的灵活性。

Z-Image 最适合哪些任务?

Z-Image 适合提示词驱动的图像生成、海报概念图、偏商品感的视觉图,以及后续可能迁移到 ComfyUI、本地运行时或其他自托管流程的工作。

这个页面里的 Z-Image 支持图生图吗?

支持。在这个页面里,Z-Image 同时支持文生图和单参考图图生图。当你想保留形体、构图或整体视觉方向时,可以上传一张参考图。

这个页面里的 Z-Image 支持哪些宽高比?

当前支持 1:1、4:3、3:4、16:9 和 9:16,覆盖常见的方图、竖图、横图以及偏社交内容的创作比例。

怎么写出更好的 Z-Image 提示词?

先写主体,再写风格、构图、光线、材质,以及图中必须出现的文字。Z-Image 更适合把“必须满足的要求”和“可以浮动的风格”分开写,尤其是海报、商品图和单参考图编辑。

什么时候该用 Z-Image,而不是 GPT-4o 或 Seedream 4?

如果你更在意开源权重、后续可自托管,以及提示词控制的可复用性,选 Z-Image 更合适。如果你主要想要某个托管模型自带的风格倾向和现成工作流,可以再看 GPT-4o 或 Seedream 4。

Z-Image 和 Z-Image-Turbo 有什么区别?

Z-Image 是主 6B 基础模型。Z-Image-Turbo 是为更快、更轻量推理做过蒸馏优化的家族变体,所以很多社区工作流和本地部署讨论会更常提到 Turbo。

Z-Image 生成的图片可以商用吗?

Z-Image 上游权重采用 Apache-2.0 发布,但生成结果能否直接商用,仍然取决于你的使用场景、审核标准和本平台适用条款。用于正式生产前,仍应做正常的法务和品牌审核。

Z-Image 是开源的吗?可以自部署吗?

可以。Tongyi-MAI 已经公开发布 Z-Image,上游模型也已经出现在 diffusers、本地运行时、ComfyUI 工具和工作流包里。这让它比纯托管闭源模型更容易研究、部署和改造。

还有问题?我们随时帮助

加入 Discord
相关模型

在站内对比 Z-Image 与其他图像模型

如果 Z-Image 不是你现在工作流最合适的选择,可以继续看这些相关模型页,对比提示词响应、视觉倾向和适用场景。

GPT-4o 图像生成器

当你想看一个更通用的托管图像模型,用来做概念图、编辑和另一种视觉偏向时,可以试 GPT-4o。

查看模型

Flux 2 图像生成器

如果你想看另一条更偏精修成片感的图像生成路线,以及不同的提示词响应方式,可以继续看 Flux 2。

查看模型

Seedream 4 图像生成器

如果你更想要偏风格化或偏电影感的视觉方向,可以把 Z-Image 和 Seedream 4 做对比。

查看模型

Qwen 2 图像生成器

如果你想看另一种提示词驱动、同时支持参考图生成的模型,也可以继续打开 Qwen 2。

查看模型

在这里试用 Z-Image

打开生成器,从提示词或一张参考图开始,在这个页面里用 Z-Image 完成更可控的文生图和单参考图编辑。

LogoKling 4 AI

由 Kling 4 AI 驱动 | 快速视频生成 | 专业品质

TwitterX (Twitter)DiscordEmail
资源
  • 博客
  • Create
  • 场景
  • 作品
  • 提示词
  • Kling 4 API
公司
  • 关于
  • 联系
法律
  • 隐私政策
  • 服务条款
  • 退款政策
Image Models
  • Z-Image
  • GPT-4o
  • Flux 2
  • Flux 2 Pro
  • Flux 2 Klein
  • Qwen Image 2
  • Seedream 4.0
  • Seedream 4.5
  • Seedream 5.0
  • Grok Imagine
  • Nano Banana Pro
  • Nano Banana Flash
  • Nano Banana 2
友情链接
  • Seedance AI
  • Seedream AI
  • Kling AI

This website is an independent third-party service built around Seedance-related workflows. We are not the official website of ByteDance or Seedance. Seedance and related trademarks belong to their respective owners.

© 2026 Kling 4 AI All Rights Reserved. DREAMEGA INFORMATION TECHNOLOGY LLC
[email protected]