企业官网建设流程全解析

FLUX 动辄 20GB、出图半分钟，很多同学其实只想要一个又快又好还能跑在消费级显卡上的本地文生图。阿里通义实验室开源的Z-Image-Turbo（6B 参数）正是最近的答案——社区实测 8G 显存就能跑，Reddit 上直接刷屏。

本篇在 4070 Ti（12G）上实测：1024×1024 出图全程 5.5 秒（含文本编码+8 步采样+解码），模型常驻后连发多张毫无压力。提示词理解接近 FLUX 水准，中文场景词照样能打。

一、效果先看

两张 1024×1024 直出（未修）：左边官方示例词的黑白高时尚人像——白发红唇、结构感西装、影棚侧光、胶片颗粒全都在；右边自定义的雨夜香港霓虹街景——透明伞、湿地面反射、冷暖霓虹对比、35mm 质感。8 步采样，耗时分别 9.5 秒（含模型首次加载）/ 5.5 秒（常驻后）。

Turbo 版是官方蒸馏版：8 步出图质量对标原版 30+ 步，代价几乎为零。对批量出图、试提示词来说，这个速度体验是质变。

二、模型准备（3 件，int8 组合约 12.2GB）

三点说明：①选int8 量化 UNet + fp8 混合文本编码器的组合，12G 显存全装下不用 offload，这才是 5 秒出图的关键；显存更小可换 nvfp4 版 UNet（4.5GB），8G 卡也能跑。②文本编码器是 Qwen3-4B——这就是中文场景词也稳的原因。③VAE 官方文件名就叫 ae.safetensors，和 FLUX 的 VAE 同名不同物，别放混目录，建议改名或放子目录。官方 HuggingFace 国内可换 hf-mirror.com 直连，或直接用 ModelScope 版本（模板注释里有）。网盘是同文件备份，点开自动带提取码。

环境：ComfyUI v0.39 内核原生支持（CLIPLoader 选lumina2类型），零自定义节点。

三、跑起来：10 个节点的事

工作流就 10 个计算节点：UNETLoader → ModelSamplingAuraFlow（shift=3）→ KSampler（8 步 / cfg 1/ res_multistep / simple）→ VAEDecode。文本编码走 CLIPLoader（qwen_3_4b_fp8_mixed + lumina2）→ CLIPTextEncode，负向直接 ConditioningZeroOut。

载入文末工作流，改提示词，点运行。没有可调参数的玄学——就步数 8、cfg 1、shift 3 三个数，官方默认即最优。

提示词写法：按 FLUX 的自然语言风格写（完整句子描述场景+光线+质感），不用 tag 堆砌。Qwen3-4B 编码器对长句的遵循度很好，中英文都行。

四、实测踩坑

1. VAE 同名陷阱。ae.safetensors 和 FLUX 的 VAE 撞名，放错目录加载不报错但解码必糊。改名 z_image_ae.safetensors 一劳永逸（我下载包里已改好）。

2. 模型放对目录才出现在下拉里。diffusion_models / text_encoders / vae 三个目录名必须和你的 ComfyUI 挂载一致（老版本目录名可能是 unet/clip）。放进去不出现就重启一次 ComfyUI。

3. "5 秒"的前提是模型常驻。首张图含模型加载约 9-10 秒；显存够（12G 装得下 int8 组合）时模型驻留显存，之后每张 5 秒上下。显存 8G 会频繁换页，每张 15-30 秒——依然比 FLUX 快。

4. 想要 2K/4K 用它自家的放大模板。模板库里还有一个 utility_z_image_turbo_2k_upscaler（2K 放大）和 fun_union_controlnet（姿态/轮廓控制）变体，同套模型直接跑，不用另下大件。

五、下载汇总

（城通网盘，点击自动带提取码）

• z_image_turbo_int8_工作流.json（官方模板原版）
• z_image_API_黑白人像版.json
• z_image_API_雨夜街景版.json
• 成图_黑白人像.png
• 成图_雨夜街景.png

模型见第二节双链表格。Z-Image 按 Apache-2.0 开源（以官方仓库许可证为准），商用友好。

5 秒一张图，你会拿它来干什么？批量头像、漫画分镜、还是素材草图？评论区聊聊。