Z-Image Text-to-Image

此工作流是一个 Z-Image Turbo 文本到图像流水线，其设计如同一个简洁的“一次性”生成器：它加载 Z-Image Turbo UNet（z_image_turbo_bf16.safetensors）、共享的 VAE（ae.safetensors）以及 Qwen 3 4B 文本编码器（qwen_3_4b.safetensors，类型为 qwen_image）。加载模型后，它应用 ModelSamplingAuraFlow，并设置 shift 值为 3，这是一种在官方示例中使用的采样调整，用于确保模型行为正确且一致。

随后进入标准生成流程：你的提示词输入到 CLIPTextEncode（正向），一个简单的负面提示如 “blurry ugly bad” 输入到另一个 CLIPTextEncode（负向），而 EmptySD3LatentImage 设置输出尺寸（例如 1472×1104）。接着，KSampler 以 9 步、CFG 1、Euler + Simple 调度器 运行，结果经过 VAE 解码并保存。此外还有一个备注说明：“You are an assistant…” 这段前缀来自官方示例，属于可选内容——即使你修改或删除它，Z-Image 依然能正常工作。

🎥 YouTube 视频教程

想了解这个工作流到底是什么，以及如何快速启动？

本视频将介绍该工具的定位、一键启动方法，以及我的核心设计思路——无需本地部署，无需复杂环境。

所有操作均直接在 RunningHub 上进行，让你第一时间体验实际效果。

👉 YouTube 教程： https://youtu.be/CTIWLigZL1E

开始前建议完整观看视频——掌握整体背景将帮助你更快上手，避免常见误区。

⚙️ RunningHub 工作流

现在即可在线体验，无需安装。

👉 工作流： https://www.runninghub.ai/post/2007450236398084098/?inviteCode=rh-v1111

若生成效果符合预期，你之后可将其部署到本地进行自定义。

🎁 粉丝福利： 注册即送 1000 积分，每日登录额外获得 100 积分，畅享 4090 级性能与 48GB 超强算力！

📺 Bilibili 更新（中国大陆及亚太地区）

如果你身处中国大陆或亚太地区，可通过下方视频查看该工作流的实测演示与创意解析。

📺 B站视频： https://www.bilibili.com/video/BV1s5iqBNE6F/

我会在 夸克网盘 持续更新模型资源：👉 https://pan.quark.cn/s/20c6f6f8d87b —— 此资源主要面向本地用户，便于创作与学习。