Z-Image 的常见问题解答
Z-Image 是什么？
Z-Image 是一个强大的 AI 模型，提供逼真的图像生成、精确的中英文文本渲染以及对双语指令的强大遵循能力。它仅需 8 步即可达到或超越领先竞争对手的性能，使其成为满足多样化图像创建需求的高效且强大的工具。
Z-Image 的架构有何特别之处？
Z-Image 采用可扩展单流 DiT (S3-DiT) 架构。这种创新设计将各种条件输入（如文本和图像嵌入）与噪声图像潜在变量统一到单个序列中。这种单一输入流，将文本、视觉语义 token 和图像 VAE token 串联起来，与传统的双流方法相比，最大限度地提高了参数效率。
Z-Image 的速度如何？
Z-Image 具有令人印象深刻的速度，在企业级 H800 GPU 上实现亚秒级推理延迟。在 NVIDIA A10 GPU 上，大多数生成操作仅需 9 步即可在最多 2 秒内完成。对于消费级 GPU，如 RTX 3090/4090，生成通常需要 2-3 秒，而中端显卡平均需要 4-5 秒。
Z-Image 能准确渲染双语文本吗？
是的，Z-Image 擅长准确渲染中英文文本。在此过程中，它保持了面部真实感和整体美学构图，展现出强大的构图能力和对排版的敏锐感知。这种能力甚至延伸到涉及小字体大小的具有挑战性的场景。
提示增强器 (PE) 是什么？
提示增强器 (PE) 是 Z-Image 的一个关键功能，它采用结构化推理链将逻辑和常识注入图像生成过程。这使得模型能够有效地处理复杂任务，例如解决“鸡兔同笼”等视觉谜题或可视化中国古典诗词等抽象概念。此外，PE 甚至可以从模糊的指令中推断用户意图，确保输出具有逻辑连贯性和相关性。
Z-Image 与竞争对手相比表现如何？
根据在阿里巴巴 AI Arena 上进行的基于 Elo 的人类偏好评估，Z-Image 在与该领域其他领先模型的比较中表现出极强的竞争力。值得注意的是，它在开源模型中取得了最先进的成果，凸显了其在公开可用 AI 领域中的卓越质量和效率。
Z-Image 可以进行哪些创意编辑？
Z-Image-Edit 提供创意图像编辑功能，并对双语指令有深刻理解，从而实现富有想象力和灵活的图像转换。用户无需外部工具即可无缝修改图像，利用内置功能实现简化的编辑工作流程和高质量结果。
用户如何在使用 Z-Image 时优化结果？
为了获得最佳的 Z-Image 结果，用户应清晰地指定双语文本要求，描述光照、阴影和纹理以获得逼真的质量，并利用提示增强器处理复杂的创意任务。利用快速的 8 步生成进行快速迭代并利用其构图能力进行海报设计也有助于优化结果。
如何使用 Z-Image
Z-Image 是一款专为逼真图像创作、精确双语文本渲染和强大编辑功能而设计的人工智能图像编辑器和生成器，采用先进的 S3-DiT 架构。它优先考虑速度，能够在少量步骤内生成高质量图像。
- 访问 Z-Image 平台，找到“文本到图像”或“图像编辑器”部分来执行您的任务。
- 在指定的文本字段中输入您的描述性提示，详细说明所需的图像、光照和任何双语文本要求。
- 利用集成的提示增强器（PE）来处理复杂的推理任务或细化模糊的指令，确保准确的解释。
- 启动图像生成过程；Z-Image 将在大约 8 个步骤内生成结果，通常在消费级 GPU 上仅需 2-5 秒。
- 审查生成的图像，然后使用 Z-Image-Edit 应用进一步的创意转换或调整，通过自然语言指令操作。
