(SFW/NSFW) Simple Z Image Turbo img2img (Bringing Realism to Any Picture)
详情
下载文件
关于此版本
模型描述
简而言之：用你最喜欢的模型生成一个弯腰的少女，然后用 Z-image 让它变得真实！
附注：如果你发现工作流有任何问题，请告诉我，我会修复。
Z-Image Turbo 是一款绝对惊人的文生图模型。其输出的逼真度和成熟度，不仅可以原生地根据提示生成图像，还能用于优化其他模型生成的图像。诀窍在于以低去噪强度作为优化步骤使用。这样能保留原有结构，同时添加自然的纹理、深度和光影效果。
例如，这是我用 SDXL 模型生成的一张图：
这是同一张图经过 Z-noise img2img 处理后的效果。注意她的脸部更干净了，背景也明显减少“噪点”，更加一致。同时，她手中的手机外观也更清晰、更整洁。
Z-Image Turbo 拥有强大的细节合成能力。在低噪点水平下，它更像是一个写实润色工具，而非彻底重绘。它能保留原有姿势、面部特征和构图，同时增加毛孔、发丝、布料纹理、微阴影以及更真实的光影效果。
如何在 NSFW 内容中使用它
这正是我最初想尝试用 Z Image 进行 img2img 的原因。
唯一的问题是：Z Image 完全不认识阴茎或阴道。它会把它们处理得一团糟。因此，我这个小脑瓜能想到的最简单解决方案就是：遮盖那些敏感部位，只对图像其余部分进行去噪。根据我的实验，这效果相当不错。
比如，这是我随手画的一张图，没有做面部优化，仅使用基础图（1216x832），由 Illustrij（一个 Illustrious 模型）生成。我只用了一个 LoRA（韩国女孩风格），几乎没有修改图像，目的是保持一种半写实、略带塑料感的风格，来展示 Z Image 的惊人效果。
需要遮盖生殖器区域，并反转该遮罩，以便让 Z Image 对图像其余部分进行去噪。
因此，当你在 ComfyUI 的遮罩编辑器中反转遮罩后，你的 Load Image 节点应如下所示：
然后你就可以运行 img2img 了。
这是我用 0.55 去噪强度得到的结果。我为她的面部添加了一些细节，其他地方也做了微调，但核心思路是一样的：
另一个例子：
处理前（用 Nova Asian——我最喜欢的模型之一生成）：
处理后（使用 Z Image img2img）：
你可以看到男人阴茎上有一点凸起。这可能是我的提示词导致的问题，我不确定，有时会出现一些小瑕疵。如果你完全无法消除这类小问题，可以手动在 Photoshop 或类似软件中修复。
哦，我刚注意到，她脚边能看到金色戒指。这是因为我在提示词中保留了“金色耳环”，尽管 Z Image 应该知道她戴在耳朵上。这提醒你：在调整去噪强度和提示词时，要留意这类细节。
重要提示：糟糕的遮罩会导致生殖器及其周围区域出现明显的不连贯。我不是遮罩高手，但请花时间制作一个极其干净的遮罩，你会感谢自己的耐心。
理想的输入图像
- 半写实的人像
- 具备良好阴影的动漫图像
- 已有一定深度的风格化艺术
- 其他模型生成的轻度写实渲染图
如果基础图像过于平面或高度风格化，写实效果会较弱。
去噪强度
0.1 到 0.65 之间均可。
当然，我们希望尽量接近 1.00 去噪，但那样显然会破坏结构和原始图像风格。这个参数需要反复调试。
采样器
我本人使用 euler/simple。如果你知道其他更好/更优的采样器/调度器组合，尽管使用。Res_multistep 看起来也很有趣。
步数
9-20 步
完全取决于你。我通常用 12 步，效果极佳。超出这个范围似乎没有明显提升，但耗时却大幅增加。
CFG（提示词相关性）
1-3
因为我们进行的是低去噪强度的 img2img 优化，所以可以适当提高 CFG 值。图像的某些部分不会像常规 1.00 去噪的 txt2img 那样“过度渲染”。
工作流（包含常规 img2img 和带遮罩的 img2img，作为附件）
这是我为 Z-image img2img 创建的当前工作流。它使用了 Z Image 的 AIO 检查点，可在此处获取（当然你也可以使用独立的 Z Image 模型 + separate clip/vae，只需重新连接节点即可）：
https://huggingface.co/SeeSee21/Z-Image-Turbo-AIO/tree/main
开始前请完整浏览整个工作流。它包含主图像生成部分、FaceDetailer、HandDetailer、可选的 SkinDetailer、放大器和保存图像节点。抱歉用了这么多自定义节点，你当然可以用其他工作流，我只是自己慢慢摸索出了这套方案，效果非常好。
- 将你的图像粘贴到 Load Image 节点
- 设置提示词、参数等
- 在 KSampler 中调整去噪强度（建议从低值开始，如 0.40）
- 运行
- 调整提示词和 CFG，直到你满意
- 这个过程可能有点不稳定，请耐心一点，逐步理解其运作原理
小贴士
如前所述，不要害怕调整 CFG，尤其是用来突出 Z Image 默认可能弱化的关键特征。我常使用 CFG 2 或 3，配合加权标签（如：she has very pale skin:1.2），来强化皮肤的极白色调。这只是个例子。
- 这种 CFG 调整方法对 FaceDetailer 节点同样有效。
你可以将原始提示词迁移到 img2img 工作流中，但通常需要修改，这需要你反复试验。我所有的图像都基于 Danbooru 标签，因此我通常先看一次测试渲染，观察 Z Image 产生的瑕疵，再据此删减或重写提示词。你也可以将图像或提示词输入 LLM，让它生成更自然、更适合 Z Image 理解的提示词。
据我理解，最好从一张已完成并已放大的图像开始。如果你从低分辨率图像开始，先 img2img，再强行放大，会注意到一些小问题，比如色带（我确实遇到过）。img2img 本质上是“混合”两种图像风格，不同模型对阴影、光照、配色等的理解和实现方式差异巨大。因此，建议最终检查图像是否存在瑕疵，这些本可通过更完善的生成流程避免。
处理前后预期
低去噪强度的 Turbo 不会取代构图或解剖结构。它的作用是为你的现有图像添加自然的“润色”，就像通过一个真正理解深度与纹理的写实滤镜。
你保留相同的角色、相同的构图，
只是得到一个更干净、更锐利、更可信的版本。
问题、评论、疑虑？
如果你对这个工作流或相关内容有任何疑问或想法，欢迎留言。
顺便说一句，我并不自认是这方面的专家，我只是发现这个方法效果很好。它并非最终或完美的方案。