AIREITERZ-Image Turbo arbeitet ohne Guidance und erwartet alle Vorgaben im Hauptprompt statt in einem separaten Negativfeld. Formuliere das Bild als kompaktes Kreativbriefing und ergänze Qualitäts- sowie Ausschlusskriterien direkt darin. Genau diesen Workflow dokumentieren Tongyi-MAI und fal.
Die eine Prompt-Entscheidung, die jedes Z-Image-Turbo-Ergebnis prägt
Statt Schlagwörter aneinanderzureihen, schreibst du ein natürlich formuliertes Kreativbriefing: Beginne mit Bildtyp und Motiv, dann folgen Komposition, Umgebung, Licht, Stil und Vorgaben. Die offizielle Model Card beschreibt Turbo als destilliertes Modell mit 8 NFE und guidance_scale=0.0. Auch der Prompt-Guide von fal hält fest, dass negative Prompts nicht unterstützt werden.
Mit dieser Reihenfolge hast du einen verlässlichen Ausgangspunkt:
- Bildtyp und Komposition: Nahporträt, Produktfoto, redaktionelle Illustration oder cineastische 16:9-Szene.
- Motiv und Handlung: Wer oder was zu sehen ist, was geschieht und welche körperlichen Merkmale entscheidend sind.
- Umgebung: Ort, Tageszeit, Hintergrund sowie ein oder zwei aussagekräftige Requisiten.
- Licht und Farbpalette: Lichtquelle, Richtung, Weichheit, Farbtemperatur und dominierende Farben.
- Stilanker: Dokumentarfotografie, cleane Produktfotografie, Aquarell oder ein anderes einzelnes Medium.
- Vorgaben im Hauptprompt: scharfer Fokus, ruhiger Hintergrund, natürliche Hände, exakt zitierter Text, kein Wasserzeichen und kein Branding.
Prompt-Überarbeitung in der Praxis: vom hübschen Entwurf zum produktionsreifen Bild
Die folgenden Überarbeitungen isolieren jeweils eine Anforderung aus der Produktion. So lassen sich Fehler gezielt einordnen, statt wahllos neue Adjektive hinzuzufügen.
Erst die Bildhierarchie, dann die Adjektive
Unpräziser Prompt:
Beautiful woman in a garden, cinematic, highly detailed, 8K.
Produktions-Prompt:
Medium portrait of an adult woman pruning red roses in a Victorian garden, three-quarter view, her hands and pruning shears visible in the foreground. Moss-covered stone wall behind her, early morning, dappled sunlight through oak leaves, muted green and warm red palette, documentary lifestyle photography, soft natural skin texture, sharp focus on her face and hands, clean composition with no logo or watermark.
Der zweite Prompt definiert zuerst Einstellungsgröße, Handlung, Tiefe, Licht und Palette. Vage Begriffe wie „beautiful“ liefern Z-Image Turbo dagegen nichts Konkretes, das es umsetzen kann.
Negative Prompts durch Vorgaben im Hauptprompt ersetzen
Verlass dich in der Turbo-Pipeline nicht auf ein separates Feld wie negative_prompt: "blur, extra fingers, clutter". Formuliere gewünschte Eigenschaften und Ausschlüsse gemeinsam im Hauptprompt:
| Zu vermeidender Fehler | Formulierung für den Hauptprompt |
|---|---|
| Unscharfes Motiv | sharp focus on the subject, crisp fine detail |
| Unruhiger Hintergrund | simple clean backdrop, uncluttered negative space |
| Unnatürliche Hände | natural hands with five clearly separated fingers |
| Unerwünschtes Branding | plain unbranded surface, no visible logo or watermark |
| Zufällige Schriftzeichen | no extra lettering, only the quoted title is readable |
Turbo bietet kein separates Feld für negative Prompts. Einen Ausschluss wie „no watermark“ kannst du dennoch direkt in den primären Prompt schreiben.
Ein Kamera-Hinweis genügt
Setze einen einzelnen Hinweis zu Kamera oder Filmlook ein und nutze den übrigen Prompt für Motiv und Layout, etwa 35mm street-photography framing, cool window light, visible fabric texture.
Die Basis mit acht Schritten – und wann Tempo nicht alles ist
Das offizielle Beispiel für Z-Image-Turbo verwendet num_inference_steps=9. Laut Tongyi-MAI Model Card ergeben sich daraus acht DiT-Forward-Passes. Dasselbe Beispiel arbeitet mit guidance_scale=0.0, einem festen Seed und 1024 × 1024 Pixeln. Diese reproduzierbare Modelleinstellung ist allerdings kein allgemeines Versprechen für die reale Laufzeit: Die Subsekunden-Angabe des Projekts bezieht sich auf Enterprise-H800-Hardware, auf Consumer-Systemen können Durchläufe deutlich langsamer sein.
Die fal-Modellseite nennt einen konfigurierbaren Bereich von 1 bis 8 Schritten, bis zu 4 Bilder pro Request und Ausgaben bis 4 Megapixel. Für den Produktionsablauf ist die Empfehlung naheliegend: Nutze die niedrigste Schrittzahl für grobe Thumbnails und gehe für Assets, die du behalten möchtest, Richtung acht Schritte.
| Regler | Praxistauglicher Startwert | Wirkung |
|---|---|---|
| Inference Steps | 8 Forward-Passes, oft als Einstellung 9 verfügbar | Der zentrale Kompromiss zwischen Qualität und Latenz bei Turbo |
| Guidance Scale | 0.0 | Turbo wurde ohne normale CFG-Steuerung destilliert |
| Auflösung | 1024 × 1024 für einen ausgewogenen Test | Größere Ausgaben kosten mehr und legen Kompositionsfehler offen |
| Seitenverhältnis | Preset für quadratisch, Hoch- oder Querformat | Richte die Bildfläche am Ausgabekanal aus |
| Seed | Beim Überarbeiten eines Prompts festsetzen | Erleichtert den Vergleich von Formulierungsänderungen |
| Batch | 2–4 Varianten, falls unterstützt | Ermöglicht Auswahl statt blindem Vertrauen in ein einzelnes Sample |
| Prompt Expansion | Optional, vor allem bei kurzen Prompts | Kann Details ergänzen, einen ausführlichen Brief aber überfrachten |
So unterscheiden sich die schnellen Alternativen
Die öffentlichen Quellen arbeiten mit nicht vergleichbarer Hardware und unterschiedlichen Einstellungen. Der Vergleich bezieht sich daher auf Workflows, nicht auf Geschwindigkeit auf identischen GPUs.
| Modell | Dokumentierter Schnellmodus | Kompromiss bei Prompt und Qualität | Beste Wahl, wenn |
|---|---|---|---|
| Z-Image Turbo | 8 NFE; Eignung für Consumer-Geräte mit 16 GB wird behauptet; Subsekunden-Latenz auf H800 wird behauptet | Starke Ansprüche bei Fotorealismus sowie englischem und chinesischem Text, aber die Modellübersicht bewertet die Vielfalt als niedrig und Turbo nutzt kein CFG | du viele erste Entwürfe und zweisprachige kommerzielle Konzepte erstellen willst |
| FLUX.1-schnell | 1–4 Schritte; das offizielle Diffusers-Beispiel nutzt 4 und guidance_scale=0.0 | 12B-Modell mit breit aufgestelltem lokalem Ökosystem und Apache-2.0-Lizenz; die Model Card veröffentlicht keinen Laufzeit-Benchmark | dir der 1-bis-4-Schritte-Workflow und etablierte lokale Tools wichtiger sind als der Textfokus von Z-Image |
| SDXL Turbo | 1–4 Schritte, guidance_scale=0.0, trainiert bzw. standardmäßig bei 512 × 512 | Die Diffusers-Dokumentation warnt vor möglichen Qualitätseinbußen bei 768² und 1024²; die kommerzielle Lizenz muss geprüft werden | du 512px-Echtzeitvorschauen oder eine bestehende SDXL-Pipeline brauchst |
Modellübersicht und Endpoint-Dokumentation sind bei Adaptern nicht vollständig deckungsgleich: Der offizielle Modellzoo führt die Fine-Tunability von Turbo als N/A, während der fal-Guide einen Turbo-LoRA-Endpoint dokumentiert. Behandle die LoRA-Verfügbarkeit daher als wrapperabhängig. Falls Adapter-Training zentral ist, ist das Basis-Z-Image-Modell der sicherere Ausgangspunkt.
Prompt-Muster für die Batch-Produktion
In der Batch-Produktion hältst du den Seed während der Prompt-Überarbeitung fest und variierst ihn erst, wenn die Komposition steht.
Nutze einen Ablauf in drei Phasen:
- Erkunden: Starte mit einem kurzen, strukturierten Prompt und mehreren Seeds bei niedriger oder ausgewogener Schrittzahl.
- Auswählen: Behalte die Komposition, die die Idee transportiert, und präzisiere dann Text, Hände und Produktplatzierung mit festem Seed.
- Finalisieren: Überführe das ausgewählte Konzept in ein langsameres oder besser steuerbares Modell, wenn ein Kampagnenmotiv maximale Detailtiefe, Vielfalt oder Fine-Tuning erfordert.
Visuals für Editorial und Social Media
Setze auf eine visuelle Metapher und einen Fokuspunkt, der auch als Thumbnail verständlich bleibt.
Vorlage: Editorial illustration of [subject] showing [visual metaphor], [foreground focal object] placed at [left/center/right], [simple background], [two-color palette], [lighting], clean thumbnail-readable composition, no text, no watermark.
Beispiel: Editorial illustration of a crowded AI content pipeline narrowing into a single human editor’s desk, a bright blue funnel on the right guiding scattered paper drafts toward one selected page, warm orange and teal palette, clean isometric composition, soft studio lighting, no text, no watermark.
Produkte und Verpackungen
Bei Produktbildern zählen Geometrie und Oberflächenwirkung mehr als Atmosphäre. Benenne Position, Material, Lichtrichtung und den exakten Text, der erscheinen muss.
Beispiel: Photorealistic matte-black coffee bag standing upright on a warm-gray stone surface, front-facing three-quarter product view, softbox from the upper left, controlled shadow to the right, subtle paper texture, premium packaging photography. The front label contains only the readable text “YUNNAN COFFEE” in small cream serif capitals, no other lettering, no logo, no watermark.
Bei Verpackungen sollte der benötigte Text kurz bleiben und exakt in Anführungszeichen stehen. Die offizielle Z-Image Model Card hebt die Darstellung englischer und chinesischer Texte hervor. Kurze Labels sind für die Produktion aber ein sichereres Ziel als eine dichte Speisekarte oder ein Absatz mit kleingedrucktem Text.
Porträts ohne Airbrush-Look
Für Porträts ergänzt du eine alltägliche Handlung, einen konkreten Gesichtsausdruck und einen zurückhaltenden Texturhinweis. Auf „photorealistic“ allein solltest du dich nicht verlassen.
Beispiel: Candid medium portrait of an adult man repairing a bicycle outside a neighborhood workshop, slightly uneven eyebrows, natural skin texture, worn navy work jacket, eyes focused on the bicycle rather than the camera, late-afternoon side light, muted blue and rust palette, 35mm documentary photography, sharp hands and face, clean background with no branding.
Bilder mit Text
Platziere den exakten Text früh genug im Prompt, damit er Gewicht erhält, und beschreibe anschließend Position und Typografie. Wenn Englisch und Chinesisch im selben Design stehen, behandle sie als getrennte Elemente.
Beispiel: Photorealistic tea-bar storefront at dusk, centered hanging sign with the exact Chinese text “山茶” above the exact English text “MOUNTAIN TEA,” both in large cream serif lettering, warm interior light, clean glass facade, menu board with only the short word “OOLONG,” uncluttered urban composition, no extra text, no logo, no watermark.
Kurze Headlines in großer Platzierung funktionieren zuverlässiger als kleine Labels. Prüfe die Textausgabe vor der Veröffentlichung.
Fehler beheben, die in der Praxis wirklich auftreten
Die folgende Tabelle setzt zuerst bei einer Prompt-Änderung an, bevor Seed oder Laufzeit angepasst werden. Ein Nutzer fasste die Erfahrung so zusammen:
“It was Z Image Turbo, it can be janky sometimes, and needs proper prompting but it can deliver really good stuff.” — @RodAndByte
| Symptom | Erste Prompt-Änderung | Danach anpassen |
|---|---|---|
| Plastisches Gesicht oder starrer Blickkontakt | Eine echte Handlung, candid, unposed und eine klare Blickrichtung ergänzen | Den Seed erst ändern, wenn die Formulierung steht |
| Text verrutscht oder zusätzliche Wörter erscheinen | Den exakten kurzen Text zitieren, Größe und Position angeben und Nebentext entfernen | Einen anderen Seed probieren und bei finaler Ausgabegröße prüfen |
| Produktszene wird überladen | Requisiten auf ein oder zwei begrenzen sowie Vorder- und Hintergrundpositionen definieren | Stilsprache reduzieren, bevor du die Schrittzahl erhöhst |
| Hände sehen falsch aus | Die sichtbare Handbewegung beschreiben und natürliche Anatomie mit fünf Fingern verlangen | Mehrere Seeds generieren; erwarte nicht, dass ein einzelnes Sample das Problem löst |
| Lokale Generierung ist langsam oder instabil | Wrapper, dtype, GPU-Speicher und Auflösung prüfen, bevor du den Prompt umschreibst | Für einen Durchsatztest einen gehosteten Endpoint verwenden |
Berichte von @iamzhihui und @9o_zZz_o6 zeigen, dass die lokale Geschwindigkeit zwischen Macs, älterer GTX-Hardware und verschiedenen Konfigurationen schwankt. Prüfe daher Wrapper, dtype, Speicher, Auflösung und Kompilierungsstatus, bevor du den Prompt bewertest.
Z-Image Turbo Prompt-Guide: FAQ
Funktionieren negative Prompts mit Z-Image Turbo?
Im dokumentierten Turbo-Workflow wird kein separates Feld für negative Prompts unterstützt. Formuliere gewünschte Merkmale und Ausschlüsse wie „no watermark“ direkt im Hauptprompt.
Sollte ich 8 oder 9 Inference Steps verwenden?
Richte dich nach der Bezeichnung des Endpoints: Tongyi-MAI verwendet num_inference_steps=9 für acht DiT-Forwards, während fal einen Bereich von 1 bis 8 anbietet.
Wie lang sollte ein Z-Image-Turbo-Prompt sein?
Das Community-Prompting-Handbuch und der MindCraft-Guide nennen beide ungefähr 80–250 Wörter als Arbeitsbereich, nicht als offizielles Token-Limit. Streiche konkurrierende Konzepte, bevor du weitere Details ergänzt.
Ist Z-Image Turbo schneller als FLUX schnell oder SDXL Turbo?
In den öffentlichen Quellen gibt es keinen fairen Latenztest auf identischer Hardware. Z-Image Turbo nutzt acht NFE, während FLUX.1-schnell und SDXL Turbo ein bis vier Schritte dokumentieren.
Eignet es sich für große Batches zur Bildgenerierung?
Ja, um erste Konzeptentwürfe zu generieren und auszuwählen: fal listet bis zu vier Bilder pro Request. Halte also den Seed bei Prompt-Änderungen fest und variiere Seeds für die Auswahl.
Warum sind lokale Durchläufe langsam oder instabil?
Die Subsekunden-Angabe bezieht sich auf H800-Hardware. Prüfe deshalb VRAM, dtype, Auflösung, Wrapper und Kompilierung, bevor du eine lokale Verlangsamung als Prompt-Problem einordnest.