Z-Image-ComfyUI 快速搭建 AI 绘画系统

刚进入 ComfyUI 时，界面是空的。请将鼠标移到左侧边栏顶部的'工作流'图标（看起来像几条连接线组成的方块），点击它，展开下拉菜单。

你会看到几个以 Z-Image- 开头的选项，其中第一个就是： 🔹 Z-Image-Turbo 文生图

点击它，中间画布会立刻加载一组已连接好的节点——包括文本编码器、采样器、VAE 解码器等，全部配置完毕，无需你手动连线或调参。

为什么推荐 Turbo 版起步？ 它专为'快速验证想法'设计：8 步采样、亚秒级响应、对中文提示理解强。你不是在等结果，而是在和创意实时对话。

2.2 输入提示词：用大白话写，不用学'咒语'

在加载好的工作流中，找到标有 CLIP Text Encode (Positive) 的节点（通常带绿色边框），双击它，弹出参数面板。

在 text 输入框里，直接写你想画的内容，比如：

一只橘猫坐在窗台上，窗外是春天的樱花树，阳光透过玻璃洒在猫毛上，写实风格，高清细节 

注意三点：

• 用中文写，完全没问题：Z-Image 原生支持中英双语编码，不必翻译成英文
• 描述越具体，效果越可控：加入主体（橘猫）、位置（窗台）、环境（樱花树）、光影（阳光洒落）、风格（写实）、质量（高清细节）
• 避免抽象词：少用'唯美''高级感''氛围感'，多用可视觉化的名词和动词

同样，在下方 CLIP Text Encode (Negative) 节点中，输入你不想出现的东西，例如：

模糊，畸变，多只猫，文字，水印，低分辨率，畸形爪子 

2.3 运行与查看：点一次，等 10 秒，收获惊喜

确认提示词无误后，点击画布顶部的 Queue Prompt（队列提示）按钮（蓝色圆角矩形，带播放图标）。

你会看到：

• 左下角'Queue'区域出现一条待处理任务
• 任务状态从 Queued 变为 Running，再变为 Finished
• 右侧'Images'面板自动刷新，显示生成的图片

整个过程在 RTX 4090 上约 7~10 秒，RTX 3090 约 12~15 秒。生成的图片默认为 1024×1024 分辨率，清晰锐利，毛发、光影、纹理细节丰富。

实测对比：同样提示词输入 SDXL WebUI 需 35 秒 +30 步采样，而 Z-Image-Turbo 仅 8 步，速度提升 3 倍以上，且中文语义还原度更高——'窗台'不会变成'地板'，'樱花树'不会错成'梧桐树'。

3. 精准修改：上传图片 + 一句话，局部重绘不崩坏

生成初稿后，常会发现某处不满意：比如猫的姿势不够慵懒，或者樱花太密遮住了猫脸。传统做法是重写提示词、重新生成，耗时又难精准。Z-Image-Edit 变体，让'改图'变得像微信聊天一样简单。

3.1 切换工作流：启用图像编辑专用流程

回到左侧'工作流'菜单，这次选择： 🔹 Z-Image-Edit 图像编辑

画布会刷新为新的节点组，核心变化是：

• 新增 Load Image 节点（用于上传原图）
• 新增 Inpaint 或 Image to Image 类型的采样节点
• CLIP Text Encode 节点保留，但作用变为接收编辑指令而非全新描述

3.2 上传原图：拖拽或点击，支持常见格式

找到 Load Image 节点，点击右侧的文件夹图标（），弹出文件选择窗口。 你可以：

• 从本地电脑拖拽一张图片（PNG/JPG 格式，建议 512×512 至 1024×1024）
• 或点击'Choose File'，浏览选择

上传成功后，节点下方会显示图片缩略图，并标注尺寸（如 1024x1024）。

3.3 写编辑指令：像告诉朋友一样说话

双击 CLIP Text Encode (Positive) 节点，在 text 框中输入自然语言指令，例如：

让猫伸个懒腰，身体微微弓起，表情更惬意，保持窗台和樱花背景不变 

注意：

• 指令聚焦要改什么，而不是重描全图
• 明确说'保持 XX 不变'，模型会优先保护未提及区域
• 动词比形容词更有效：'伸懒腰'比'更放松'更易执行

然后点击 Queue Prompt，等待 10~15 秒，右侧'Images'将显示编辑后的结果——你会发现，猫的姿态自然变化，但窗台木纹、樱花花瓣、光影关系全部完好保留，毫无'重绘失真'感。

关键优势：Z-Image-Edit 不是简单 img2img，它通过空间注入机制，让模型理解'哪里该动、哪里该留'，真正实现语义级局部控制。

4. 进阶技巧：3 个让出图更稳、更快、更美的实用方法

用熟了基础操作，你可能还想进一步提升效果。这里分享 3 个经过实测、零学习成本的技巧，每个都能立竿见影。

4.1 提示词微调法：加'摄影关键词'，质感瞬间升级

单纯描述内容，有时画面偏'CG 感'。加入专业摄影术语，能显著提升真实感。在你的提示词末尾，追加以下任一组合：

• 佳能 EOS R5 拍摄，f/1.8 大光圈，浅景深，柔焦
• 哈苏中画幅胶片扫描，颗粒细腻，色彩浓郁
• iPhone 15 Pro 实拍，HDR 模式，自然光线

这些词不增加计算量，却能激活模型对光学特性的记忆，让画面更有'相机味'。

4.2 分辨率控制术：不盲目求高，按用途选尺寸

很多人默认设 1024×1024，但实际并非越高越好：

• 社交配图（小红书/微博）：768×768 或 1024×576（横版）足够，生成快、显存省
• 电商主图：1024×1024 标准正方，适配多数平台
• 海报/印刷：先用 1024×1024 生成，再用内置 Upscale Model 节点（如 4x-UltraSharp）超分至 4096×4096

镜像已预装多个超分模型，无需额外下载。在工作流中搜索 Upscale，拖入并连线即可。

4.3 种子固定法：找到喜欢的图，一键复刻同款风格

生成一张满意的图后，想批量产出同风格系列？记下右下角'Seed'值（如 123456789），下次运行前，在 KSampler 节点中将 seed 改为同一数字，再微调提示词，就能获得高度一致的构图、光影和笔触风格——这是打造个人 IP 视觉体系的最简路径。

5. 常见问题速查：新手最常卡在哪？答案都在这

我们整理了上百位用户首次使用时的真实提问，把最高频、最影响体验的问题浓缩成 3 条，附带一步到位的解决方案。

5.1 问题：点击'Queue Prompt'没反应，左下角队列一直是空的？

解决方案：检查 KSampler 节点中的 steps 参数。Z-Image-Turbo 必须设为 8，Z-Image-Base 建议 25~30。若误设为 1 或 100，任务会静默失败。双击该节点，确认 steps 值正确即可。

5.2 问题：生成的图有奇怪的色块或扭曲线条？

解决方案：这是 VAE 解码异常，通常因显存不足或 FP16 精度不稳定。点击画布顶部 Manager → Settings → 勾选 Use xformers 和 Enable VAE tiling，重启工作流即可修复。

5.3 问题：中文提示词部分生效，比如'唐装'生成成了'西装'？

解决方案：Z-Image 对文化专有名词有优化，但需搭配限定词。将提示词改为： 一位穿红色唐装的中国女性，立领盘扣，织金云纹，站在朱红宫墙前 加入材质（织金）、工艺（盘扣）、环境（宫墙），能极大提升识别准确率。

6. 总结：这不是另一个 AI 玩具，而是一个随时待命的创作伙伴

回顾整个过程： 从点击部署，到看见界面，用时不到 5 分钟； 从输入第一句中文，到收获第一张高清图，用时不到 15 秒； 从上传一张照片，到完成精准局部修改，用时不过 20 秒。

Z-Image-ComfyUI 的价值，不在于它有多'大'（6B 参数），而在于它有多'懂'——懂中文表达习惯，懂设计师的修改直觉，懂开发者对稳定性的苛刻要求，更懂小白用户对'简单有效'的迫切期待。

它不强迫你成为算法专家，而是把前沿能力封装成按钮、滑块和自然语言框； 它不追求参数上的绝对领先，而是用工程优化换来真实场景下的流畅体验； 它不鼓吹'取代人类'，而是默默缩短'灵感到画面'的距离，让每一次灵感闪现，都能被即时捕捉、反复打磨、最终落地。

当你不再为环境配置焦虑，不再为提示词纠结，不再为修改失真沮丧，创作本身，才真正开始。