AIREITERCon Z-Image Turbo non esiste un campo negativo separato su cui scaricare i problemi da evitare: tutto passa dal prompt principale. L'approccio documentato da Tongyi-MAI e fal è semplice ma richiede precisione: descrivi l'immagine come un brief creativo compatto e inserisci nello stesso testo anche i requisiti di pulizia e controllo.
La scelta nel prompt che cambia ogni risultato di Z-Image Turbo
Invece di accumulare tag, scrivi un unico brief in linguaggio naturale: apri con tipo di immagine e soggetto, quindi definisci composizione, ambientazione, luce, stile e vincoli. La model card ufficiale descrive Turbo come un modello distillato a 8 NFE con guidance_scale=0.0; anche la guida ai prompt di fal conferma che i negative prompt non sono supportati.
Come struttura iniziale affidabile, usa questo ordine:
- Tipo d'immagine e composizione: ritratto ravvicinato, fotografia di prodotto, illustrazione editoriale o scena cinematografica in 16:9.
- Soggetto e azione: chi o che cosa compare, cosa sta facendo e quali dettagli fisici lo definiscono.
- Ambiente: luogo, momento della giornata, sfondo e uno o due oggetti di scena rilevanti.
- Luce e palette: fonte luminosa, direzione, morbidezza, temperatura e colori dominanti.
- Riferimento stilistico: fotografia documentaristica, fotografia di prodotto pulita, acquerello oppure un altro unico medium.
- Vincoli nel prompt principale: fuoco nitido, sfondo pulito, mani naturali, testo esatto tra virgolette, nessuna filigrana né branding.
Come trasformare un prompt vago in un prompt pronto per la produzione
Queste riscritture isolano un requisito produttivo alla volta: così puoi individuare l'origine di un errore, invece di aggiungere aggettivi casuali.
Prima la gerarchia visiva, poi gli aggettivi
Prompt generico:
Beautiful woman in a garden, cinematic, highly detailed, 8K.
Prompt per la produzione:
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.
Il secondo prompt mette subito in chiaro inquadratura, azione, profondità, luce e palette. Aggettivi generici come “beautiful”, invece, non offrono a Z-Image Turbo elementi concreti da rappresentare.
Sostituisci i negative prompt con vincoli espliciti
Nella pipeline Turbo non fare affidamento su un campo separato come negative_prompt: "blur, extra fingers, clutter". Inserisci nel prompt principale sia le caratteristiche desiderate sia le esclusioni:
| Problema da evitare | Formula da provare nel prompt principale |
|---|---|
| Soggetto sfocato | sharp focus on the subject, crisp fine detail |
| Sfondo troppo affollato | simple clean backdrop, uncluttered negative space |
| Mani innaturali | natural hands with five clearly separated fingers |
| Branding indesiderato | plain unbranded surface, no visible logo or watermark |
| Testo casuale | no extra lettering, only the quoted title is readable |
Turbo non dispone di un campo separato per i negative prompt, ma un'esclusione come “no watermark” può e deve comparire nel prompt principale.
Un riferimento fotografico basta e avanza
Inserisci un solo riferimento a fotocamera o pellicola e lascia spazio al soggetto e al layout, per esempio 35mm street-photography framing, cool window light, visible fabric texture.
La base a otto passaggi e quando non inseguire la velocità
L'esempio ufficiale di Z-Image-Turbo usa num_inference_steps=9, valore che la model card di Tongyi-MAI traduce in otto forward pass DiT. Lo stesso esempio imposta guidance_scale=0.0, un seed fisso e un'immagine da 1024 × 1024. Non confondere però questa configurazione riproducibile con una promessa universale sui tempi: l'affermazione di latenza inferiore al secondo del progetto è legata a hardware enterprise H800, mentre sui sistemi consumer l'esecuzione può essere molto più lenta.
La pagina del modello su fal indica un intervallo configurabile da 1 a 8 passaggi, fino a 4 immagini per richiesta e output fino a 4 megapixel. Per un flusso di produzione, il suggerimento è sensato: usa il minimo numero di passaggi per le bozze rapide e avvicinati a otto per gli asset che vuoi conservare.
| Controllo | Punto di partenza pratico | Cosa modifica |
|---|---|---|
| Passaggi di inferenza | 8 forward pass, spesso esposti come 9 impostazioni | Il principale compromesso qualità/latenza di Turbo |
| Guidance scale | 0.0 | Turbo è distillato senza il normale controllo CFG |
| Risoluzione | 1024 × 1024 per un test bilanciato | Output più grandi costano di più e rendono evidenti gli errori di composizione |
| Rapporto d'aspetto | Preset quadrato, verticale o orizzontale | Adatta la tela al canale di pubblicazione |
| Seed | Fisso durante la revisione del prompt | Rende più semplice confrontare le modifiche al testo |
| Batch | 2–4 varianti quando supportato | Permette di selezionare, anziché fidarsi di un solo campione |
| Espansione del prompt | Facoltativa, soprattutto per prompt brevi | Può aggiungere dettagli, ma anche elaborare troppo un brief già dettagliato |
Le differenze rispetto alle alternative veloci
Le fonti pubbliche adottano hardware e impostazioni non comparabili: quello che segue è quindi un confronto di workflow, non di velocità sulla stessa GPU.
| Modello | Percorso rapido documentato | Compromesso fra prompt e qualità | Quando sceglierlo |
|---|---|---|---|
| Z-Image Turbo | 8 NFE; viene dichiarata compatibilità con dispositivi consumer da 16 GB e latenza sotto il secondo su H800 | Forti dichiarazioni su fotorealismo e testo in inglese/cinese, ma la tabella del modello valuta bassa la diversità e Turbo non usa CFG | Sceglilo per primi passaggi ad alto volume e concept commerciali bilingui |
| FLUX.1-schnell | 1–4 passaggi; l'esempio ufficiale Diffusers usa 4 e guidance_scale=0.0 | Modello da 12B con un vasto ecosistema locale e licenza Apache 2.0; la model card non pubblica benchmark in tempo reale | Sceglilo quando il workflow da 1–4 passaggi e strumenti locali consolidati contano più dell'enfasi di Z-Image sul testo |
| SDXL Turbo | 1–4 passaggi, guidance_scale=0.0, addestrato/impostato di default a 512 × 512 | La documentazione Diffusers avverte che 768² e 1024² possono peggiorare il risultato; la licenza commerciale va verificata | Sceglilo per anteprime in tempo reale a 512px o per una pipeline SDXL già esistente |
La tabella del modello e la documentazione degli endpoint non sono perfettamente allineate sugli adapter: lo zoo ufficiale dei modelli indica la fine-tunability di Turbo come N/A, mentre la guida fal documenta un endpoint Turbo LoRA. Considera quindi la disponibilità di LoRA specifica del wrapper; se l'addestramento di adapter è centrale, il modello base Z-Image è il punto di partenza più sicuro.
Schemi di prompt che reggono la produzione in batch
Nella produzione in batch, mantieni fisso il seed mentre perfezioni il testo e modificalo solo dopo aver stabilizzato la composizione.
Usa un ciclo in tre fasi:
- Esplora: parti da un prompt breve e strutturato, con più seed a un'impostazione di passaggi bassa o bilanciata.
- Seleziona: conserva la composizione che comunica l'idea, poi perfeziona testo, mani e posizione del prodotto mantenendo fisso il seed.
- Finalizza: sposta il concept scelto su un modello più lento o controllabile quando un'immagine di campagna richiede massimo dettaglio, diversità o fine-tuning.
Visual editoriali e social
Usa una sola metafora visiva e un unico punto focale che resti leggibile anche in miniatura.
Modello: 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.
Esempio: 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.
Prodotti e packaging
Nelle immagini di prodotto, dai priorità alla geometria e al comportamento delle superfici rispetto all'atmosfera. Specifica posizione del prodotto, materiale, direzione della luce e testo esatto che deve apparire.
Esempio: 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.
Nel packaging mantieni breve il testo obbligatorio e riportalo esattamente tra virgolette. La model card ufficiale di Z-Image evidenzia il rendering di testo in inglese e cinese, ma etichette brevi sono un obiettivo produttivo più sicuro rispetto a un menu fitto o a un paragrafo in corpo piccolo.
Ritratti senza effetto pelle levigata
Per i ritratti, aggiungi un'azione quotidiana, un'espressione concreta e un solo dettaglio di texture misurato: affidarsi soltanto a “photorealistic” non basta.
Esempio: 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.
Immagini con testo
Inserisci il testo esatto abbastanza presto nel prompt da ricevere attenzione, poi descrivine posizione e tipografia. Se nella stessa grafica compaiono inglese e cinese, trattali come elementi separati.
Esempio: 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.
Titoli brevi e grandi sono più affidabili di etichette piccole; controlla il testo generato prima della pubblicazione.
Come correggere gli errori che si incontrano davvero
La tabella di recupero qui sotto privilegia una modifica al prompt prima di cambiare seed o impostazioni di esecuzione. Un utente ha riassunto l'esperienza così:
“It was Z Image Turbo, it can be janky sometimes, and needs proper prompting but it can deliver really good stuff.” — @RodAndByte
| Sintomo | Prima modifica al prompt | Poi modifica |
|---|---|---|
| Volto plasticoso o sguardo fisso in camera | Aggiungi un'azione reale, candid, unposed e una direzione dello sguardo chiara | Cambia seed solo dopo aver stabilizzato il testo |
| Il testo devia o compaiono parole extra | Metti tra virgolette il testo breve esatto, specifica dimensione e posizione, quindi elimina le copie secondarie | Prova un altro seed e controlla alla dimensione finale di output |
| La scena di prodotto diventa affollata | Limita gli oggetti di scena a uno o due e definisci le posizioni di primo piano e sfondo | Riduci il linguaggio stilistico prima di aumentare i passaggi |
| Le mani sono sbagliate | Descrivi l'azione visibile della mano e richiedi anatomia naturale a cinque dita | Genera più seed: non aspettarti che un solo campione risolva il problema |
| La generazione locale è lenta o instabile | Controlla wrapper, dtype, memoria GPU e risoluzione prima di riscrivere il prompt | Usa un endpoint ospitato per testare il throughput |
Le segnalazioni di @iamzhihui e @9o_zZz_o6 mostrano che la velocità locale varia fra Mac, hardware GTX meno recente e configurazioni diverse. Prima di giudicare il prompt, verifica quindi wrapper, dtype, memoria, risoluzione e stato della compilazione.
FAQ sui prompt di Z-Image Turbo
I negative prompt funzionano con Z-Image Turbo?
Nel workflow Turbo documentato non è supportato un campo separato per i negative prompt; inserisci nel prompt principale le caratteristiche desiderate e le esclusioni, come “no watermark”.
Meglio usare 8 o 9 passaggi di inferenza?
Segui la nomenclatura dell'endpoint: Tongyi-MAI usa num_inference_steps=9 per otto forward pass DiT, mentre fal espone un intervallo da 1 a 8.
Quanto deve essere lungo un prompt per Z-Image Turbo?
Il manuale di prompting della community e la guida MindCraft indicano entrambi circa 80–250 parole come intervallo di lavoro, non come limite ufficiale di token; prima di aggiungere dettagli, elimina i concetti in competizione.
Z-Image Turbo è più veloce di FLUX schnell o SDXL Turbo?
Le fonti pubbliche non offrono un test di latenza equo sullo stesso hardware: Z-Image Turbo usa otto NFE, mentre FLUX.1-schnell e SDXL Turbo documentano da uno a quattro passaggi.
È adatto a un batch di generazione immagini di grandi dimensioni?
Sì, per generare e selezionare concept iniziali: fal indica fino a quattro immagini per richiesta, quindi mantieni fisso il seed per modificare il prompt e varia i seed per la selezione.
Perché le esecuzioni locali diventano lente o instabili?
L'affermazione di tempi inferiori al secondo è legata all'hardware H800; prima di considerare un rallentamento locale un problema del prompt, controlla VRAM, dtype, risoluzione, wrapper e compilazione.