Z-Image 的常見問題解答
Z-Image 是什麼？
Z-Image 是一個強大的 AI 模型，提供逼真的圖像生成、精確的中英文文本渲染以及對雙語指令的強大遵循能力。它僅需 8 步即可達到或超越領先競爭對手的性能，使其成為滿足多樣化圖像創建需求的高效且強大的工具。
Z-Image 的架構有何特別之處？
Z-Image 採用可擴展單流 DiT (S3-DiT) 架構。這種創新設計將各種條件輸入（如文本和圖像嵌入）與噪聲圖像潛在變量統一到單個序列中。這種單一輸入流，將文本、視覺語義 token 和圖像 VAE token 串聯起來，與傳統的雙流方法相比，最大限度地提高了參數效率。
Z-Image 的速度如何？
Z-Image 具有令人印象深刻的速度，在企業級 H800 GPU 上實現亞秒級推理延遲。在 NVIDIA A10 GPU 上，大多數生成操作僅需 9 步即可在最多 2 秒內完成。對於消費級 GPU，如 RTX 3090/4090，生成通常需要 2-3 秒，而中端顯卡平均需要 4-5 秒。
Z-Image 能準確渲染雙語文本嗎？
是的，Z-Image 擅長準確渲染中英文文本。在此過程中，它保持了面部真實感和整體美學構圖，展現出強大的構圖能力和對排版的敏銳感知。這種能力甚至延伸到涉及小字體大小的具有挑戰性的場景。
提示增強器 (PE) 是什麼？
提示增強器 (PE) 是 Z-Image 的一個關鍵功能，它採用結構化推理鏈將邏輯和常識注入圖像生成過程。這使得模型能夠有效地處理複雜任務，例如解決「雞兔同籠」等視覺謎題或可視化中國古典詩詞等抽象概念。此外，PE 甚至可以從模糊的指令中推斷用戶意圖，確保輸出具有邏輯連貫性和相關性。
Z-Image 與競爭對手相比表現如何？
根據在阿里巴巴 AI Arena 上進行的基於 Elo 的人類偏好評估，Z-Image 在與該領域其他領先模型的比較中表現出極強的競爭力。值得注意的是，它在開源模型中取得了最先進的成果，凸顯了其在公開可用 AI 領域中的卓越質量和效率。
Z-Image 可以進行哪些創意編輯？
Z-Image-Edit 提供創意圖像編輯功能，並對雙語指令有深刻理解，從而實現富有想像力和靈活的圖像轉換。用戶無需外部工具即可無縫修改圖像，利用內置功能實現簡化的編輯工作流程和高質量結果。
用戶如何在使用 Z-Image 時優化結果？
為了獲得最佳的 Z-Image 結果，用戶應清晰地指定雙語文本要求，描述光照、陰影和紋理以獲得逼真的質量，並利用提示增強器處理複雜的創意任務。利用快速的 8 步生成進行快速迭代並利用其構圖能力進行海報設計也有助於優化結果。
如何使用 Z-Image
Z-Image 是一款專為逼真影像創作、精確雙語文本渲染和強大編輯功能而設計的人工智慧影像編輯器和產生器，採用先進的 S3-DiT 架構。它優先考量速度，能夠在少量步驟內產生高品質影像。
- 存取 Z-Image 平台，找到「文本到影像」或「影像編輯器」部分來執行您的任務。
- 在指定的文本欄位中輸入您的描述性提示，詳細說明所需的影像、光照和任何雙語文本要求。
- 利用整合的提示增強器（PE）來處理複雜的推理任務或細化模糊的指令，確保準確的解釋。
- 啟動影像產生過程；Z-Image 將在大約 8 個步驟內產生結果，通常在消費級 GPU 上僅需 2-5 秒。
- 審查產生的影像，然後使用 Z-Image-Edit 應用進一步的創意轉換或調整，透過自然語言指令操作。
