仅间隔9天 ZIT Controlnet 就发布了2.0版本！？
仅间隔9天 ZIT Controlnet 就发布了2.0版本！？
前言
最近，阿里巴巴在图像生成模型领域动作频频，才刚改了 z-image base 的命名（不是 Z-Image-Base,而是Z-Image-Omni-Base），12 月14 号又匆匆的发布了Z-Image-Turbo-Fun-Controlnet-Union-2.0
要知道，这距离 Z-Image-Turbo ControlNet Union 1.0 的发布，仅仅过去了9天，不免让人怀疑，这么加紧迭代，是否有什么秘密？
身为局外者我们很难知晓准确的信息，但是我们可以从更新内容中窥探一二，闲话少说，我们来看看更新内容：
关键更新信息与功能
2.0 发布强调可靠性和创意。以下是内部内容：
-
支持的控制模式：处理标准输入如 Canny（边缘检测用于轮廓）、HED（柔和边缘用于艺术效果）、Depth（从地图获取 3D 结构）、Pose（人类或物体定位）和 MLSD（直线用于建筑）。这些允许您“条件化”AI——例如，提供粗略草图，模型生成匹配的精致图像。
-
内绘模式：重大新增！这允许您掩码并编辑图像特定区域（例如，更换背景而不改变前景）。然而，用户指出有时会模糊未掩码区域，因此 ComfyUI 的掩码工具有助于精炼结果。
-
可调参数：调整
control_context_scale（推荐 0.65–0.90）以平衡 AI 遵循控制的严格程度。更高值需要更多推理步骤（例如 20–40）以获得清晰输出，避免过度控制导致细节扭曲。 -
训练基础：从零训练 70,000 步，使用 100 万张高质量图像（一般场景和以人为中心的混合）。使用 1328 分辨率、BFloat16 精度、批次大小 64 和学习率 2e-5。“Fun”名称暗示其趣味、创意重点，文本 dropout 比率 0.10 以鼓励多样提示。
与上一版本（1.0）的比较
前一版本 Z-Image-Turbo-Fun-Controlnet-Union（常称为 1.0）奠定基础，但有局限。 它在类似 100 万图像数据集上训练仅 10,000 步，仅添加 6 个块，导致重新训练偶尔错误和加载时间较慢。用户常需变通方法实现有效控制，且无内绘可用。
相比之下，2.0 感觉像从基本自行车升级到齿轮自行车：更多层（15 + 2 精炼）意味着更精细控制，更长训练提升质量，内绘开启新编辑可能性。它解决 1.0 所有报告问题，如稳定性故障，同时保持相同核心控制。 扩展训练和精炼块改善细节保留，尤其在人类姿势或复杂场景中，尽管自定义训练可能需 24GB+ VRAM。
| 维度 | 版本 1.0 | 版本 2.0 | 为什么重要 |
|---|---|---|---|
| 训练步骤 | 10,000 | 70,000 | 更长训练导致更精炼、现实输出，减少伪影。 |
| 数据集重点 | 100 万高质量图像（一般） | 100 万高质量图像（一般 + 以人为中心） | 更好处理人物和姿势，减少常见 AI 缺陷如扭曲手部。 |
| 控制层 | 添加在 6 个块上 | 添加在 15 个层块 + 2 个精炼块上 | 更深集成用于更平滑控制融合，提升整体图像连贯性。 |
| Inpainting支持 | 无 | 完整支持带掩码 | 启用针对编辑，如修复背景——对迭代设计是变革。 |
| 分辨率与精度 | 基本（未指定） | 1328 分辨率，BFloat16 精度 | 更高分辨率支持细节生成；BFloat16 优化现代 GPU 速度。 |
| 批次大小与学习率 | 未详细说明 | 批次大小 64，学习率 2e-5 | 大数据集高效训练，实际中转化为更快推理。 |
| 控制调整 | 基本强度调整 | 可调 control_context_scale (0.65–0.90)；步骤推荐 |
更多用户控制平衡，避免过度或不足输入遵守。 |
| 问题与性能 | 重新训练错误、加载缓慢；需技巧使用 | 所有问题解决；轻微加载权衡但更好稳定性 | 使 ComfyUI 等工作流更可靠，社区快速修复。 |
| 硬件注意 | 较低要求但优化不足 | 受益于 8GB+ VRAM；未蒸馏（需更多步骤） | 适合中档设置，但专业人士可进一步调整。 |
总结
这次升级在质量和功能上有所提升，包括支持 Inpainting 模式和更长的训练步骤，这是一个渐进式更新，解决了前版的部分问题，如训练错误和加载缓慢，使模型在创意任务中更可靠。虽然性能更好，但复杂场景（如手部姿势）可能仍需手动优化，且硬件要求较高。
感觉更应该叫 V1.1 或者V1.5 而不是 V2.0，我不负责的主观推测，目前积极的更新与升级，可能为了更快的推出 z-image-omni-base，通过模块化升级的方法，分布迭代，推动整体能力的统一提升。
无论如何，期望阿里巴巴可以保持z-image的良好势头，无限降低 AI 门槛，让更多人可以享受到 AI 的便利。