零基础入门AI绘画：Z-Image-Turbo 使用教程

>>> 当前提示词：A cute cyberpunk cat, neon lights, 8k high definition >>> 输出文件名：result.png >>> 正在加载模型 (如已缓存则很快)... >>> 开始生成... 成功！图片已保存至：/root/workspace/result.png 

关键观察点：第一行提示词是你将要生成的内容描述；result.png 是默认生成的图片名；最后一行路径就是图片保存位置——你马上就能找到它。

2.3 查看并验证生成结果

回到终端，输入查看图片命令：

ls -lh result.png

你应该看到类似：

-rw-r--r-- 1 root root 2.1M May 20 14:32 result.png 

这表示：文件存在、大小约 2MB（符合 1024×1024 高清图预期）、时间是刚刚生成的。接下来，用任意图片查看器打开它——如果你在本地开发机，可通过 SFTP 下载；如果在云服务器，可用 scp 或 Web 终端的文件预览功能。

效果预期：你会看到一只赛博朋克风格的猫，背景有霓虹灯，细节锐利，无模糊或色块。如果出现黑图、白图或报错，说明显卡驱动未就绪，请返回第 1.1 节检查。

3. 自定义你的第一张画：改提示词、换名字、调尺寸

默认图只是热身。现在，我们真正开始创作——用你自己的想法，生成独一无二的画面。

3.1 用中文提示词，直接生成中国风作品

把这句复制进终端（注意引号是英文状态）：

python run_z_image.py --prompt "一位穿青花瓷纹汉服的少女，站在江南雨巷石桥上，细雨朦胧，水墨晕染风格，1024x1024" --output "hanfu.png"

按下回车，等待约 8 秒（没错，就是 8 秒），你会看到：

成功！图片已保存至：/root/workspace/hanfu.png 

为什么这句能成？ Z-Image-Turbo 原生支持 UTF-8 中文，不像某些模型一见汉字就乱码；'青花瓷纹汉服''江南雨巷''水墨晕染'都是具体可视觉化的名词 + 风格词，模型能精准映射；明确写出 1024x1024，它会自动按此分辨率生成，无需额外参数。

3.2 理解两个最常用参数：--prompt 和 --output

实用技巧：文件名支持 .png、.jpg、.jpeg；不要包含空格或中文，比如 --output "我的作品.png" 会失败，应写成 --output "my_art.png"；如果不加 --output，默认保存为 result.png，多次运行会覆盖。

3.3 调整分辨率：不是所有图都要 1024×1024

虽然模型支持 1024×1024，但有时你需要横版海报（1920×1080）或手机壁纸（1080×2400）。只需在代码里微调两行——但我们不让你改代码，而是用更安全的方式：

新建一个文件 quick_gen.py，内容如下（复制粘贴即可）：

# quick_gen.py
import torch
from modelscope import ZImagePipeline

pipe = ZImagePipeline.from_pretrained(
    "Tongyi-MAI/Z-Image-Turbo",
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")

image = pipe(
    prompt="敦煌飞天，飘带飞扬，金箔装饰，盛唐气象",
    height=1280, # 改这里：高度
    width=720, # 改这里：宽度
    num_inference_steps=9,
).images[0]

image.save("dunhuang.png")
print("已生成 1280x720 敦煌风格图")

然后运行：

python quick_gen.py

为什么这样更安全？ 避免修改原始 run_z_image.py，防止后续更新失效；height 和 width 直接控制输出尺寸，比靠后期缩放更保真；所有参数值都写死，不会因命令行输错而中断。

4. 提示词写作心法：三句话，让 AI 听懂你

很多新手以为提示词越长越好，结果生成一堆元素堆砌、毫无重点的图。Z-Image-Turbo 的强项是'语义理解'，而不是'关键词匹配'。掌握这三句话结构，你写的每一句提示词，AI 都能准确执行。

4.1 主体优先：先说'谁'或'什么'

错误示范：古风、山水、唯美、高清、8K → AI 不知道主体是山还是人。 正确写法：一位穿素纱中单的唐代诗人，立于孤峰之巅，衣袖翻飞 → 主体明确是'诗人'，所有修饰都围绕他展开。

小白口诀：把提示词开头 5 个字，当成照片标题。标题里必须有主语。

4.2 场景具象：用动词和方位词构建画面

错误示范：森林、神秘、古老 → 太抽象，AI 无法定位。 正确写法：晨雾中的原始森林，一束阳光斜射穿过高耸杉树，地面铺满青苔与蕨类 → '斜射''穿过''铺满'全是动词，'晨雾中''高耸杉树下'是方位。

实测对比：输入 森林 → 生成一片绿色模糊块；输入 晨雾中杉树林，阳光斜射，地面青苔 → 树干纹理清晰，光斑位置自然，苔藓有立体感。

4.3 风格收尾：用公认艺术流派代替主观形容词

错误示范：好看、大气、高级感 → AI 无法识别。 正确写法：国画工笔风格、宫崎骏动画电影截图、Edward Burtynsky 工业摄影 → 这些是真实存在的视觉体系，模型训练时见过大量样本。

推荐小白友好风格词：中文场景：敦煌壁画、宋代山水、海派年画、岭南水彩；国际风格：Studio Ghibli、Pixar 3D、Ansel Adams 黑白、Beeple 数字艺术。

5. 常见问题速查：90% 的报错，三步解决

遇到报错别慌。以下是最高频问题及对应解法，按出现概率排序。

5.1 CUDA out of memory（显存不足）

现象：运行到 正在加载模型 后卡住，报错 RuntimeError: CUDA out of memory。 原因：显存被其他进程占用，或分辨率设得过高。 三步解决：

1. 清理显存：nvidia-smi --gpu-reset（需 root 权限）；
2. 降低分辨率：把 height=1024, width=1024 改为 height=768, width=768；
3. 强制释放：在代码开头加 torch.cuda.empty_cache()。

5.2 ModuleNotFoundError: No module named 'modelscope'

现象：刚运行就报错，提示找不到 modelscope。 原因：镜像环境未完全初始化，或你不在 /root/workspace 目录。 一步解决：确认当前路径，执行 cd /root/workspace && python -c "import modelscope; print('OK')"。若仍报错，请重启镜像实例。

5.3 生成图是纯黑/纯白/严重色偏

现象：result.png 打开后全黑、全白或大片紫红色。 原因：VAE 解码器异常，多因显卡驱动版本不匹配。 终极解法：运行官方修复脚本（镜像已内置）：

cd /root/workspace && python -c "from modelscope.pipelines import pipeline; p = pipeline('text-to-image-synthesis', model='Tongyi-MAI/Z-Image-Turbo'); print('VAE 修复完成')"

重要提醒：以上三类问题覆盖 90% 新手报错。如果仍失败，请截图完整报错信息，发给技术支持——但大概率，你只需重做其中一步。

6. 进阶小技巧：让效率翻倍的四个习惯

当你已能稳定生成图片，这四个习惯会让你从'会用'升级到'高效用'。

6.1 建立自己的提示词模板库

在 /root/workspace 下新建文件夹 prompts，里面放几个常用 .txt 文件：

• product.txt：产品名 + 使用场景 + 白底 + 商业摄影风格
• logo.txt：品牌名 + 核心业务关键词 + 极简线条 + 单色矢量感
• social.txt：主题短句 + 社交平台尺寸（1080x1350） + 活力渐变色

每次生成时，用 cat prompts/product.txt 读取内容，再拼接到命令中。避免每次重写。

6.2 批量生成：一次命令出十张图

想测试不同风格？不用重复运行十次。新建 batch.py：

# batch.py
import torch
from modelscope import ZImagePipeline

pipe = ZImagePipeline.from_pretrained("Tongyi-MAI/Z-Image-Turbo", torch_dtype=torch.bfloat16)
pipe.to("cuda")

prompts = [
    "水墨山水，留白意境",
    "赛博朋克城市，雨夜霓虹",
    "北欧极简客厅，浅木色地板",
]

for i, p in enumerate(prompts):
    image = pipe(prompt=p, height=1024, width=1024).images[0]
    image.save(f"batch_{i+1}.png")
    print(f" {p[:15]}... → batch_{i+1}.png")

运行 python batch.py，10 秒内生成三张不同风格图。

6.3 快速换模型：同一套环境，跑不同版本

镜像还预装了 Z-Image-Base（高质量慢速版）和 Z-Image-Edit（图像编辑版）。切换只需改一行：

# 改这里即可：
pipe = ZImagePipeline.from_pretrained("Tongyi-MAI/Z-Image-Base") # 基础版
# 或
pipe = ZImagePipeline.from_pretrained("Tongyi-MAI/Z-Image-Edit") # 编辑版

适用场景：Z-Image-Turbo：日常快速出图、草稿构思、批量生成；Z-Image-Base：交付客户终稿、参加比赛、需要极致细节；Z-Image-Edit：给已有图换背景、修瑕疵、改风格。

6.4 保存你的最佳参数组合

把经常用的参数写成别名（alias），永久生效：

echo "alias zturbo='python run_z_image.py --prompt \"\" --output result.png'" >> ~/.bashrc
source ~/.bashrc

之后只需输入 zturbo --prompt "你的提示词"，就能极速调用。