Z-Image-ControlNet + SDPOSE + second-order Refiner

此工作流结合增强型 Z-Image Turbo 模型与 ControlNet，实现对线条、深度图和姿态骨架的稳定控制，涵盖几乎所有常见条件类型。Z-Image Turbo 在保持极高速度的同时，严格遵循从 SD-Pose 或其他检测器提取的结构引导，使首次生成既精准符合姿态，又对控制信号响应迅速。由于 ControlNet 会自然降低审美丰富度，本工作流增加了一个二次精炼阶段：图像被解码后重新编码至潜空间，并经过额外一轮扩散处理，从而恢复细节、色彩深度与整体视觉质量，同时不破坏控制效果。潜空间超分通常比直接像素超分产生更令人满意的变化，因此本工作流将其作为主要精炼策略。

实际应用中，结果表明姿态控制稳定且可预测，切换至 SD-Pose 可提升复杂或全身检测的准确性。对于更具风格化或线稿类输入，预处理强度直接影响模型对结构的解读严格程度，调整该参数比单纯依赖 ControlNet 的强度值能提供更平滑的控制。ControlNet 的存在可能削弱 LoRA 效果，因此用户在应用风格模型时需谨慎选择。深度提取、线条控制乃至文字排版引导均可稳定工作，尽管审美质量仍受益于两阶段精炼。鉴于 Z-Image 生态系统尚属新兴且持续演进，本工作流提供了一个实用的平衡方案：强大的结构控制、快速生成，以及一个能恢复 Z-Image 所著称的生动美学的精炼步骤。

🎥 YouTube 视频教程

想了解这个工作流到底是怎样的工具，以及如何快速启动？
视频主要介绍 工具定位、快速启动方法 和 我的构筑思路。
我们会直接在 RunningHub 上进行演示，让你第一时间看到实际效果。

👉 YouTube 教程：
https://youtu.be/7GtFnr8ixnM

开始前建议尽量完整地观看视频 —— 把握整体思路会更快上手，也能少走常见弯路。

---

⚙️ 在线体验工作流

现在就可以在线体验，无需安装。

👉 工作流：
https://www.runninghub.ai/post/1996596394481819649/?inviteCode=rh-v1111

打开上方链接即可直接运行该工作流，实时查看生成效果。
如果觉得效果理想，你也可以在本地进行自定义部署。

🎁 粉丝福利：
注册即送 1000 积分，每日登录 100 积分，畅玩 4090 体验 48 G 超级性能！

---

📺 Bilibili 更新（中国大陆及南亚太地区）

如果你在中国大陆或南亚太地区，可以通过下方视频查看该工作流的实测效果与构思讲解。

📺 B站视频：
https://www.bilibili.com/video/BV1XW2BBVEqW/

---

我会在 夸克网盘 持续更新模型资源：
👉 https://pan.quark.cn/s/20c6f6f8d87b

这些资源主要面向本地用户，方便进行创作与学习。