Z-Imageとは?

Z-Image は、Alibaba / Tongyi-MAI による 画像生成モデルファミリー です。

Z-Image という名前自体がモデル群の総称なので少し分かりにくいですが、このページでは、派生元となる ベースモデルとしての Z-Image を扱います。 (区別のために Z-Image-Base と呼ばれることもあります。)

Z-Image は、(ファインチューニング元となる)ベースモデルとして、素直な特性を持っています。

Z-Image-Turbo のような蒸留・強化学習による安定化が入っていないため、シードや初期ノイズの違いが出力に反映されやすく、創造性とバリエーションが広い反面、パラメータにシビアで結果が大きく振れる難しいモデルでもあります。


推奨設定値

  • 解像度
    • 512×512 〜 2048×2048(総ピクセル数)
    • 幅と高さは 16 の倍数にします

モデルのダウンロード

📂ComfyUI/
└── 📂models/
    ├── 📂diffusion_models/
    │   ├── z_image_int8_convrot.safetensors
    │   └── z_image_turbo_int8_convrot.safetensors
    ├── 📂text_encoders/
    │   └── qwen_3_4b_fp8_mixed.safetensors
    └── 📂vae/
        └── ae.safetensors

text2image

z_image.json
  • steps : サンプラーにもよりますが、30〜40 ほどと少し多めのほうが安定します
Outputs

Z-Image-Turbo によるリファイン

Z-Image の生成結果を、Z-Image-Turbo で短いステップでリファインする方法です。 Z-Image の創造性と、Z-Image-Turbo の品質の安定感の両取りを狙います。

image2image してもいいですが、ここでは少しオシャレにサンプリングを2段に分けてみましょう。

z_image_refine_turbo.json

今回は前半50%、後半50%で分けます。 (cf. サンプリングを分割する)

  • Z-Image : 30 steps のうち 15 steps
  • Z-Image-Turbo : 8 steps のうち 4 steps
Outputs
Z-Image のみ
Z-Image のみ
Z-Image + Turbo
Z-Image + Turbo

Z-Image-Fun-Controlnet-Union-2.1

Z-Image 用の ControlNet 風パッチです。

モデルのダウンロード

📂ComfyUI/
└── 📂models/
    ├── 📂model_patches/
    │   └── Z-Image-Fun-Controlnet-Union-2.1.safetensors
    └── 📂geometry_estimation/
        └── depth_anything_3_mono_large.safetensors

workflow

z_image_fun_controlnet_union_2_1.json
  • QwenImageDiffsynthControlnet にモデルと制御画像を追加
  • 🟩 この workflow では Depth Anything 3 で深度マップを作成します。
Outputs
input
input
depth
depth
output
output

参考