资源中心

Z-Image 是一个强大且高效的图像生成模型，具有6B参数。目前有三个变体：Z-Image-Turbo（蒸馏版本，仅需8步推理）、Z-Image-Base（基础模型）和Z-Image-Edit（图像编辑变体）。

在 ModelScope 平台体验 Z-Image Turbo 模型，提供在线推理服务和API接口，方便开发者快速集成和使用。

HuggingFace 社区中的 Z-Image Turbo 模型，提供完整的模型权重、使用示例和社区支持。月下载量达111,244次。

Z-Image De-Turbo是Tongyi-MAI/Z-Image-Turbo的去蒸馏版本，通过在Z-Image-Turbo生成的图像上进行微调，打破了turbo蒸馏限制。该模型专门为训练和深度微调而设计，提供了比原始turbo模型更强的可训练性和灵活性。

这个LoRA模型增强了Z-Image已有的像素艺术能力，使其更加详细和精细。无需触发词，但在提示词中使用"pixel art"可以获得更好效果。

这是一个添加了6个block的ControlNet模型，在100万高质量图像数据集上从头训练10000步，支持多种控制条件。

Z-Image Turbo官方在线演示应用，由Tongyi-MAI团队维护，提供直接体验Z-Image生成能力的平台。基于Zero GPU运行，无需本地配置即可使用。

ModelScope平台上的Z-Image画廊应用，以画廊形式展示Z-Image模型的生成效果，提供中文界面优化，集成ModelScope生态系统。

基于Z-Image的智能相框应用，专为MCP 1st生日纪念项目开发，展示Z-Image在创意应用场景中的可能性。

Z-Image定制LoRA模型在线画廊，托管多种定制训练的LoRA模型，包括激进艺术风格和身份模型，支持在线切换和预览功能。

基于Z-Image开发的推理游戏互动应用，结合图像生成和游戏玩法，展示Z-Image在娱乐应用场景中的创新使用。

本文提出DMDR框架，将强化学习技术融入分布匹配蒸馏过程。研究发现对于少步生成器的强化学习，DMD损失本身比传统正则化方法更有效。

Z-Image项目官方主页，提供项目的全面介绍，包括核心特性、模型架构、性能评估和技术细节。支持中英双语内容。