python调用Z-Image模型生成图片

最近 Z-Image 非常火爆,但是我工作的电脑没有gpu，恰好cpu环境也能运行

简介

Z-Image 是一个基于扩散模型的文本到图像生成工具，支持生成高质量的图像。本指南将介绍如何在本地环境中设置和使用 Z-Image。

环境要求

• Python 3.12+
• Windows/Linux/macOS
• 至少16GB RAM（推荐32GB）
• 磁盘空间至少20GB（用于模型文件）

安装步骤

1. 安装依赖库

pip install torch torchvision torchaudio
pip install diffusers transformers accelerate
pip install modelscope  # 用于从ModelScope下载模型

2. 下载模型

创建 download_model.py 文件：

from modelscope import snapshot_download
import os

# 创建models目录
os.makedirs("./models", exist_ok=True)

try:
    # 从ModelScope下载模型
    model_path = snapshot_download(
        model_id="Tongyi-MAI/Z-Image-Turbo",
        local_dir="./models/z-image-turbo"
    )
    print(f"模型下载成功，保存路径: {model_path}")
except Exception as e:
    print(f"模型下载失败: {e}")

运行下载脚本：

python download_model.py

3. 创建图像生成脚本

创建 generate_image.py 文件：

import torch
from diffusers import DiffusionPipeline
import os
from modelscope import ZImagePipeline

# 检查模型是否存在
model_path = "./models/z-image-turbo"

if os.path.exists(model_path):
    print("正在加载模型...")
    # 从本地路径加载模型
    # pipe = ZImagePipeline.from_pretrained(
    pipe = DiffusionPipeline.from_pretrained(
        model_path,
        torch_dtype=torch.bfloat16,
        low_cpu_mem_usage=False,
    )
    pipe = pipe.to("cpu")  # 使用CPU（如果没有GPU）pipe.to("cuda")
    
    print("模型加载成功!")
    
    # 设置提示词
    prompt = "年轻中国女性穿着红色汉服，精美的刺绣。完美的妆容，额头红色花卉图案。精致的高发髻，金色凤凰头饰，红花，珠子。手持圆形折扇，上面有仕女、树木、鸟儿。霓虹灯闪电符号(⚡️)，明亮的黄色光芒，在左手上空。柔和灯光的户外夜景背景，大雁塔剪影，模糊的彩色远处灯光。"
    # 负面提示词
    negative_prompt = "模糊不清，低质量，不清晰，变形，丑陋，不自然，错误的解剖结构，水印，签名，不完整的图像"
    print("正在生成图像...")
    # 生成图像
    image = pipe(
        prompt=prompt,
        negative_prompt=negative_prompt,
        height=1024,
        width=1024,
        num_inference_steps=9,  # 实际执行8次DiT推理
        guidance_scale=0.0,     # Turbo模型的引导值应为0
        generator=torch.Generator("cpu").manual_seed(42),  #gpu使用 torch.Generator("cuda").manual_seed(42)
    
    # 保存图像
    image.save("generated_image.png")
    print("图像已生成并保存为 generated_image.png")
else:
    print("未找到模型文件。请先运行 download_model.py 下载模型。")

4. 运行图像生成

python generate_image.py

效果

使用技巧

提示词优化

1. 具体描述：越详细的描述通常会产生更好的结果
2. 文化元素：Z-Image对中华文化元素有很好的支持
3. 艺术风格：可以指定特定的艺术风格，如"油画"、"水彩"等

参数调整

• height 和 width：图像尺寸（建议1024x1024）
• num_inference_steps：推理步数（Z-Image Turbo推荐9步）
• guidance_scale：引导比例（Turbo模型设为0.0）
• seed：随机种子，用于生成一致的结果

常见问题

1. 下载模型失败

• 检查网络连接
• 如果无法访问HuggingFace，使用ModelScope镜像站点，或者HuggingFace的国内镜像。
• 确保磁盘空间充足

2. 生成图像质量不佳

• 尝试更详细的提示词
• 调整随机种子
• 增加推理步数

3. 内存不足

• 降低图像分辨率
• 关闭其他占用内存的程序
• 使用CPU模式（较慢但内存占用较少）

性能说明

• GPU模式：需要支持bfloat16的GPU，生成速度快
• CPU模式：兼容性好，但生成速度较慢（可能需要几分钟）
• 内存要求：至少16GB RAM，推荐32GB

参考资料

• Z-Image官方文档
• ModelScope模型页面 可以在线体验，无需部署环境