無審查 AI 圖片 · Alibaba Tongyi Lab
無審查 Z-Image Turbo：安裝、低 VRAM 檔案與提示詞實戰手冊
Z-Image Turbo（有時也寫作 zimage turbo）是阿里巴巴通義實驗室開源 Z-Image 文生圖系列中主打速度的成員。它是一個經過蒸餾的 6B 模型，只需 8 個取樣步驟就能完成一張圖，擅長寫實人物與中英文字，並以可存放在自己硬碟上的 Apache-2.0 權重發布。這份手冊先從實用的部分講起：要下載什麼、如何塞進你的顯示卡，以及如何為一個沒有負面提示詞的模型撰寫提示詞。技術背景與比較放在後面。阿里巴巴並未提供無審查版本；如果你只是想在瀏覽器裡產生成人圖片，Spicy AI 提供了一款無審查的替代生成器。
Spicy AI 並非 Z-Image Turbo，本頁目前使用 Seedream、Krea 2 與 Wan 2.6 生成。
- 免費開始
- 無內容過濾
- 瀏覽器直接使用
三十秒看懂 Z-Image Turbo
- 開發者
- 阿里巴巴通義實驗室（Tongyi MAI）
- 公開時間
- 2025 年 11 月
- 規模
- 約 6.15B，S3-DiT
- 取樣
- 8 步，關閉引導
- 文字呈現
- 中文與英文
- 開放權重？
- 是，Apache-2.0
- 硬體
- 消費級 GPU，16 GB 以下
- 無審查版本？
- 無官方版本
無審查圖片生成器（Z-Image Turbo 替代方案）
文字生成圖片描述你想要的圖片。上傳參考照片可進行編輯，不上傳則為文字生成圖片。
試試這些提示詞
範例提示詞為英文，生成效果最穩定；你也可以用中文描述。
Z-Image Turbo 的來歷
Z-Image Turbo 是阿里巴巴通義實驗室 Z-Image 系列中最新的速度調校模型，由 Tongyi MAI 團隊打造。它也是系列中第一個公開的模型：Hugging Face 儲存庫的日期為 2025 年 11 月 25 日，GitHub 的消息則在 11 月 26 日發布。其核心是約 61.5 億參數的 Scalable Single-Stream Diffusion Transformer（S3-DiT），提示詞 token、視覺語意 token 與圖片潛在表示都在同一條共享序列中流動。蒸餾將取樣縮減到 8 次函數評估，並關閉引導；團隊表示在資料中心級的 H800 GPU 上可在一秒內出圖，而 16 GB 的消費級顯示卡就已足夠。阿里巴巴在 Hugging Face 與 ModelScope 上提供權重，Alibaba Cloud Model Studio 上的託管端點只是另一種使用途徑。
有沒有無審查的 Z-Image Turbo？
這個問題背後有兩個原因。第一，Alibaba Cloud 上的託管端點會審核每一條提示詞與每一張成品，因此閨房寫真、性感海報等成人藝術都會被拒絕。第二，Apache-2.0 權重可在你自己的電腦上執行，中間沒有任何伺服器，而 Hugging Face 上已經有大量以它為基礎訓練的社群 LoRA。所以誠實的答案並不單純：官方並沒有無審查的 Z-Image Turbo，本機版本能畫出什麼取決於訓練資料，而不是某個隱藏開關。非官方的 NSFW 微調版確實存在，有些甚至以真實名人為素材，我們不提供連結，因為授權涵蓋的是程式碼與權重，而不是任何人的臉。如果你不想下載 20 GB 的檔案，Spicy AI 的生成器為成人（18 歲以上）提供不設內容過濾的 Seedream、Krea 2 與 Wan 2.6；它只是替代方案，並不是 Turbo 本身。
手邊沒有 GPU？用替代方案直接在瀏覽器產生成人圖片。
開啟生成器 →十五分鐘產出第一張圖：ComfyUI 路線
大多數人根本不會碰官方儲存庫。2026 年 10 月的 30 天內，Comfy-Org 重新封裝版的下載量約 930 萬次，而 Tongyi-MAI 原版只有約 65.4 萬次，因為原版以 F32 儲存 transformer，約 24.6 GB。能正常運作的安裝一定包含三個部分，漏掉文字編碼器是首次執行最常見的錯誤。下載以下檔案，放進對應資料夾，再開啟官方 ComfyUI 範本即可。
- 載入器：模型用 UNETLoader，編碼器用類型設為 lumina2 的 CLIPLoader，VAE 用 VAELoader。
- 範本中值得保留的數值：1024×1024、8 步、CFG 1.0、res_multistep 取樣器、simple 排程器、ModelSamplingAuraFlow shift 3。
- 負面分支會被 ConditioningZeroOut 歸零，因此在那裡輸入的內容都會被忽略。
- 把 CFG 拉到 7 或步數拉到 30 對 Turbo 沒有幫助，只會讓顏色過曝或白白浪費時間。
- 若需要姿勢、深度或邊緣控制，Alibaba PAI 另外發布了 Z-Image-Turbo-Fun-Controlnet-Union-2.1 可供下載。
| 元件 | 要下載的檔案 | 大小 | ComfyUI 資料夾 |
|---|---|---|---|
| 擴散模型 | z_image_turbo_bf16（Comfy-Org） | 12.3 GB；int8 6.2 GB、nvfp4 4.5 GB | models/diffusion_models |
| 文字編碼器 | qwen_3_4b | 8.0 GB；fp8 5.6 GB、fp4 3.5 GB | models/text_encoders |
| VAE | ae | 335 MB | models/vae |
「Qwen3-4B 等級」是從 ComfyUI 的檔名與設定推斷而來；模型卡並未用一句話明確寫出編碼器名稱。
VRAM 不夠？依顯示卡挑選檔案
這個模型的記憶體數據來自三個不同來源，各自假設不同的軟體，因此請並排對照，而不要當成單一承諾。Tongyi 團隊表示模型在 16 GB 以下就能順暢執行。DiffSynth-Studio 記錄了搭配 CPU 卸載的 8 GB 配置，並提醒 FP8 量化會讓結果明顯變糊。stable-diffusion.cpp 的 Wiki 頁面則介紹了一套社群做法，用 Q3 或 Q4 GGUF 檔案加上卸載，在 4 GB 顯示卡上執行，但速度會明顯變慢。請記得 GGUF 檔案只取代擴散模型，文字編碼器與 VAE 仍需另外下載。
| 你的顯示卡 | 要載入的檔案 | 預期效果 | 資料來源 |
|---|---|---|---|
| 16 GB 以上 | bf16 重新封裝版，不卸載 | 完整畫質、最快 | 通義實驗室 |
| 8–12 GB | int8 或 fp8 搭配 CPU 卸載 | 較慢；fp8 會損失細節 | DiffSynth-Studio 文件 |
| 6–8 GB | Unsloth GGUF Q4_K_M（5.0 GB）或 Q8_0（7.2 GB） | 適合筆電的平衡選擇 | Unsloth 模型卡 |
| 約 4 GB | 透過 stable-diffusion.cpp 執行 Q3/Q4 GGUF，開啟卸載 | 可用，但慢且較模糊 | 社群 Wiki |
Cache-DiT、LeMiCa 與 MeanCache 標榜能進一步加速；這些數字來自社群專案，並非阿里巴巴。
8 步還是 50 步？Turbo 與它較慢的兄弟
2026 年 1 月推出的基礎模型（暱稱 Base）與 Turbo 共用架構與文字編碼器，但保留了 classifier-free guidance 與負面提示詞。因此兩者的取捨重點不在畫質，而在工作流程。如果你要快速反覆嘗試，並想要精緻的照片質感，就繼續用 Z-Image Turbo。如果你需要一群長相各異的臉、插畫風格，或一個可以微調的模型，就改用 Base，並接受大約四到六倍的取樣時間。
| Turbo | Base | |
|---|---|---|
| 每張圖步數 | 8 | 28–50 |
| 引導與負面提示詞 | 無 | CFG 3–5，建議使用負面提示詞 |
| 不同種子間的多樣性 | 低 | 中 |
| 微調 | 不建議 | 評為容易 |
| 最佳用途 | 快速寫實草稿 | 多樣性、風格、LoRA |
多樣性與微調的標示是團隊在官方模型表中的自我評分，並非獨立測試。
為一個不理會負面提示詞的模型寫提示詞
由於引導已關閉，Z-Image Turbo 只聽你要求的內容，所以正面提示詞要扛下全部工作。像攝影師對拍攝做簡報那樣，用完整的句子、依固定順序書寫：誰、長什麼樣、在做什麼、在哪裡、什麼光線下、用什麼鏡頭、什麼風格。長提示詞沒問題；託管 API 上限為 800 字元，在本機也是合理的上限。下面的對照可以看出，模糊的提示詞會把多少東西交給運氣。
| 問題 | 較弱的提示詞 | 較強的提示詞 |
|---|---|---|
| 樣貌太普通 | beautiful woman, best quality, 8k | 三十多歲的成年女性，黑色短鮑伯頭，穿著絲質細肩帶背心，坐在滿是雨痕的窗邊，柔和的日光從左側灑入，85mm，自然的肌膚質感 |
| 每個種子都同一種構圖 | 換種子，提示詞不變 | 用文字改變場景、姿勢或服裝，例如「黃昏時倚著陽台欄杆」 |
| 群體中臉孔融合 | two women at a bar | 兩位成人：一位紅色捲髮、穿綠色洋裝，一位灰色平頭、穿皮夾克，在酒吧裡聊天 |
| 文字亂碼 | poster that says summer sale | 海報頂部標題為「夏日限定」，下方以粗體無襯線字寫著「SUMMER SALE」 |
五個可以直接上手的 Z-Image Turbo 提示詞
填入方括號內容，並保持各部分的順序。五個範本都以成人為主體。它們可用於 ComfyUI 範本、託管 API，也能作為上方替代生成器的起點。
| 目標 | 範本 |
|---|---|
| 寫實人像 | 一位成年[人物]的照片，[髮型、特徵]，穿著[服裝]，在[場景]中[姿勢]，[光源]，85mm 鏡頭，淺景深，自然的肌膚質感。 |
| 雙語海報 | [產品或活動]的[風格]海報，頂部標題「[中文文字]」，下方「[英文文字]」，[主視覺]，版面簡潔，[配色]。 |
| 商店橫幅 | [商品]放在[表面]上的商品照，背景中一位成年模特兒正在[動作]，柔和的攝影棚光，右側留白放文案。 |
| 時尚大片 | 一位成年[模特兒]穿著[服裝]在[地點]的時尚大片，[時段]，廣角鏡頭，雜誌風格調色。 |
| 雙人場景 | 兩位成人：[人物 A 細節]與[人物 B 細節]，在[地點][共同動作]，臉孔明顯不同，自然抓拍，溫暖光線。 |
它在哪裡出色，又在哪裡失手
社群回饋與設計上的取捨完全吻合：速度與寫實度受到讚賞，多樣性則招來抱怨。團隊表示，在 2025 年 12 月 8 日的 Artificial Analysis 文生圖排行榜上，它拿下總排名第八、開源模型第一。這個排名有時效性：到了 2026 年 10 月，隨著新模型推出，它已跌出該榜前 20 名。Gigazine 的實測評測注意到，換種子時構圖重複、群體場景中臉孔相似，以及處理日文文字有困難；而較慢的基礎模型在插畫與表現範圍上表現更好。
| 優勢 | 弱點 |
|---|---|
| 寫實人像中自然的膚質與光影 | 只換種子時構圖相似 |
| 海報上的中英文標題 | 日文及其他文字未經測試或表現較弱 |
| 8 步即可，能在遊戲顯示卡與筆電上執行 | 預設工作流程沒有負面提示詞 |
| 龐大的 LoRA 與 ControlNet 生態系 | 微調會削弱少步數的速度優勢 |
2026 年 10 月的採用指標：GitHub 約 12,100 顆星，Unsloth GGUF 版本 30 天下載量約 107 萬次，一個熱門 LoRA 套件約 24.1 萬次。下載量代表觸及範圍，不代表品質。
大家實際用它做什麼
由於一次算圖只要幾秒，人們會把它用在大量產出的工作上，換作其他模型可能試幾次就放棄了。中國電商平台的賣家喜歡用它製作中英混排的橫幅，短劇與遊戲團隊則在用其他工具做最終算圖之前，先用它快速製作情緒板。
- 人像與時尚系列：一次產出同一位成年模特兒數十種服裝與光線變化。
- 雙語電商圖：為商店頁面與社群動態製作帶有中英文標題的商品場景。
- 前期視覺化：短劇、廣告與遊戲提案的關鍵畫面。
- 角色 LoRA：針對特定外貌、服裝與畫風的社群外掛。
- 姿勢比對：ControlNet Union 模型可從草圖複製姿勢或版面配置。
- 舊硬體：GGUF 版本讓它成為筆電與中階遊戲顯示卡的熱門選擇。
沒有 GPU？託管的 z-image-turbo 端點
Alibaba Cloud Model Studio 以 z-image-turbo 這個 ID 提供此模型，也是該家族唯一在那裡提供的成員。每次請求包含一則使用者訊息，內含一條最多 800 字元的文字提示詞，另可選擇設定尺寸（總像素 512×512 到 2048×2048，預設 1024×1536）、種子，以及 prompt_extend 旗標，讓語言模型改寫提示詞並回傳其推理過程。每次呼叫回傳一張 PNG，連結在 24 小時後失效，上限為每分鐘 120 次請求。提示詞與輸出都會經過安全檢查，且不支援批次作業、微調與函式呼叫，因此這個端點雖然方便，但審核相當嚴格。
與 FLUX.2、Qwen-Image 正面較量
技術報告將這個系列定位為 6B 規模對 Qwen-Image、HunyuanImage 3.0 與 FLUX.2 等 20B 以上開源模型的回應。請把這看作作者自己的說法。實際上的差距在於執行成本：8 步的小模型是三者中最容易放進單張消費級顯示卡的，而較大的模型或許更能應付擁擠的場景。換用之前，請先用自己的提示詞測試。
| Z-Image Turbo | FLUX.2 | Qwen-Image | |
|---|---|---|---|
| 開放權重 | 是（Apache-2.0） | 是，依版本而異 | 是 |
| 規模 | 6B | 更大（20B 以上等級） | 20B |
| 一般步數 | 8 | 較多 | 較多 |
| 中文文字 | 團隊重點展示 | 未比較 | 主要強項 |
規模與授權依據技術報告；採用前請查閱各模型卡。
在瀏覽器中體驗無審查路線
瀏覽器路線不需要下載檔案或安裝驅動程式。但它執行的並不是 Z-Image Turbo，因此畫面風格會有所不同；Spicy AI 使用的是自家的圖片模型。
- 1. 點擊頁面頂部的按鈕開啟圖片生成器。
- 2. 貼上本頁的範本，並將每個人物描述為成人。
- 3. 選擇長寬比，每次最多產生四張圖。
- 4. 每次重試只改一件事：光線、姿勢或服裝。
- 5. 上傳一張你擁有權利的照片，即可切換為圖生圖編輯。
最拿手的三種工作
人像量產
在一次快速作業中產出大量寫實成人人像與服裝造型。
雙語海報
為商店與社群動態的橫幅加上中英文標題。
情緒板
在最終算圖前，用快速概念畫面驗證想法。
減少失敗算圖的五個習慣
- CFG 保持 1、步數保持 8；需要負面提示詞時改用基礎模型。
- 下載 GGUF 檔案時，一併下載文字編碼器與 VAE。
- 要打破重複構圖，請用文字改變場景，而不只是換種子。
- 圖上要出現的文字請加上引號，發布前校對小字。
- 將每個角色描述為成人（18 歲以上），未經同意絕不使用真人的肖像。
自己部署 Z-Image Turbo vs 在 Spicy AI 線上生成
| 本地部署（官方權重） | Spicy AI 線上 | |
|---|---|---|
| 內容過濾 | 由 Alibaba Tongyi Lab 決定 | 無內容過濾 |
| 開放權重 | 是 | 不需要，瀏覽器直接用 |
| 模型 | Z-Image Turbo | Seedream、Krea 2 與 Wan 2.6 |
| 入門價格 | 依方案而定 | 提供免費額度 |
- 以提示詞生成圖片
- 上傳參考照片進行以圖生圖編輯
- 每次最多 4 張，支援多種比例
常見問題
Z-Image Turbo 可以免費使用嗎？
權重以 Apache-2.0 授權，可從 Hugging Face 與 ModelScope 免費下載並在自己的硬體上執行。Alibaba Cloud 的託管端點則是另行計費的服務。
有官方的無審查版本嗎？
沒有。阿里巴巴並未發布。託管 API 會審核提示詞與圖片，本機執行沒有託管過濾，而 Hugging Face 上的 NSFW LoRA 都是非官方的。
最低需要多少 VRAM？
團隊表示 16 GB 以下即可順暢執行。DiffSynth-Studio 回報搭配 CPU 卸載可在 8 GB 上執行，社群的 GGUF 做法則能降到約 4 GB，但速度與畫質都會下降。
Spicy AI 有執行這個模型嗎？
沒有。Spicy AI 的圖片生成器使用 Seedream、Krea 2 與 Wan 2.6，因此成品看起來會與 Turbo 不同。
Spicy AI 和 Alibaba Tongyi Lab 有關係嗎？
沒有。Spicy AI 是獨立平台，與 Alibaba Tongyi Lab 沒有任何隸屬或背書關係。Z-Image Turbo 為其所有者的商標。
免費嗎？
可以每天免費生成，需要更多時再購買點數。
資料來源
Spicy AI 與 Alibaba Tongyi Lab 無任何關係。Z-Image Turbo 及其他產品名稱為各自所有者的商標，僅用於識別。所有內容中的人物必須為成年人（18 歲以上）。