Z-Image-Base 基础模型调参指南：提升生成质量参数详解

参数名：scheduler

常见选择：

• Karras：最常用的调度器，配合 DPM++ 2M 采样器时效果佳。
• Normal：标准、线性的去噪节奏。
• Simple：有时能产生柔和的效果。

若使用了像 DPM++ 2M Karras 这样的采样器，其名称中的'Karras'通常已指定了调度器。

2.5 随机种子：掌控'不确定性'

参数名：seed

怎么用：

• 探索阶段：设为 -1，让 AI 自由发挥。
• 微调阶段：固定种子值，保留大体框架，优化细节。
• 复现结果：分享作品时连同种子值一起分享。

重要技巧：'种子遍历'。固定其他参数，只让种子值连续变化，生成一系列风格一致但略有变化的图像。

3. 实战调参流程：从想法到精品

1. 第一步：快速构思（低步数，随机种子）
   • 设置：steps=20, cfg=7.5, sampler=DPM++ 2M Karras, seed=-1。
   • 目的：用最短的时间，生成 4-8 张草图。
2. 第二步：锁定构图（固定种子，调整 CFG）
   • 记录满意图的 seed 值。
   • 固定 seed，将 steps 提升到 30-40。
   • 微调 cfg_scale。
3. 第三步：精雕细琢（提升步数，尝试采样器）
   • 将 steps 提升到 50。
   • 可选：切换采样器至 DPM++ SDE Karras。
4. 第四步：批量优化（种子遍历）
   • 重新设 seed 为 -1 或起始数字，进行批量生成。

4. 高级技巧与避坑指南

• 分辨率与裁切系数：Z-Image-Base 基础版在 512x512, 512x768, 768x512 等标准尺寸下表现最稳定。高分辨率建议使用'高清修复（Hires. fix）'工作流。
• 经典'崩坏'场景排查：
  • 画面模糊：检查步数是否过低（<20）。
  • 色彩过度饱和：检查 CFG 是否过高（>12）。
  • 人物脸部崩坏：使用'面部修复'节点或后期处理。
  • 完全不符合描述：检查 CFG 是否过低，简化提示词。

负向提示词的魔力：

(低质量，最差质量：1.4), 模糊，畸形，多余的手指，多余的手臂，多余的眼，画质差，水印，文字，签名，丑陋，恐怖

加入这些，能显著减少画面中出现扭曲肢体、模糊、不良水印的几率。

5. 总结

调参不是玄学，而是一个有迹可循的创作过程。记住这几个关键点：

1. 步数（Steps） 决定细节深度，从 20-30 步开始，按需增加。
2. 提示词相关性（CFG Scale） 决定听话程度，7.5-9 是黄金区间。
3. 采样器（Sampler） 是绘画策略，DPM++ 2M Karras 是当前最稳妥的全能选择。
4. 随机种子（Seed） 是复现钥匙，探索时随机，优化时固定。
5. 遵循'构思 -> 锁定 -> 精修'的流程，能极大提升出图效率和质量。

最好的学习方式就是动手尝试。现在就去 ComfyUI 里，加载 Z-Image-Base，用今天学到的知识，把那些模糊的想法变成清晰惊艳的图像吧。每一次参数调整，都是你与 AI 模型的一次深度对话，也是你创作能力的一次拓展。