Z-Image 标准版正式开源宣布，专为微调而生的图像生成基座模型

避免"雷同脸"问题：

Z-Image（造相）团队正式开源Z-Image标准版。作为Z-Image系列的重要社区基本模型，标准版长短蒸馏的完全模型，在生成质量、风格灵活性和二次开辟支撑上更具优势，旨在为社区开辟者供给一个强大年夜且灵活的图像生成底座，释放更多定制化开辟和精细微调的可能性。

Z-Image标准版作为一个非蒸馏的完全模型，优于其蒸馏版本Z-Image-Turbo，支撑完全CFG、负向提示词控制，可避免”雷同脸”问题，生成多样性更高。模型采取立异的 S3-DiT 架构，练习流程包含预练习、有监督微调（SFT）和强化进修三阶段，当前处于 SFT 阶段。

多主体场景优化：

核心特点

多样的美学与艺术风格

Z-Image在保持高度照片写实性的同时，支撑更广泛的艺术风格。与经由过程强化进修高度优化写实后果的Turbo版本不合，标准版模型保存了更多风格多样性，更合适动漫、数字艺术、插画等创意类型的生成，可以或许知足不合创作场景对艺术表示力的需求。

面向社区的微调友爱型基座

作为一个非蒸馏的基本生成模型，Z-Image特别合适社区开辟者进行二次开辟和定制化微调（LoRA、ControlNet等）。

• 完全CFG支撑：

  与平日绕过分类器自由引导的蒸馏模型不合，标准版模型保存了完全的CFG支撑，实现精确的提示词控制

• Z-Image 对负面提示词（Negative Prompt）的响应尤为敏感和有效。开辟者可以经由过程精心设计的负面提示词，更精确地控制生成内容，避免不欲望出现的元素，实现加倍可控的图像生成。

  练习稳定性强：

  模型的内部多样性和权重分布使其鄙人流练习时更轻易进修新概念，比拟低步数变体具有更好的练习稳定性

更高的生成多样性

Z-Image 专注于解决现代生成器常见的同质化问题：

• 不合的随机种子可以或许生成明显不合的面孔和构图，每次生成都具有独特点

• 在包含多人的提示词中，标准版模型能生成具有独特特点的不合个别，避免了高速模型中常见的"克隆效应"

Negative Prompt加强控制

在线体验地址：https://www.modelscope.cn/aigc/imageGeneration
模型下载地址：https://modelscope.cn/models/Tongyi-MAI/Z-Image