AIREITERВ Z-Image Turbo нет привычного управления через guidance и отдельного поля для негативного промпта. Все требования — и к тому, что должно быть в кадре, и к тому, чего там быть не должно, — формулируются в одном основном запросе. Именно такой подход описывают Tongyi-MAI и fal: воспринимайте промпт как компактное творческое ТЗ на изображение.
Главное правило промпта для Z-Image Turbo
Не собирайте запрос из россыпи тегов. Лучше написать связное описание: сначала указать тип изображения и главный объект, затем композицию, окружение, свет, стиль и ограничения. В официальной карточке модели Turbo описывается как дистиллированная модель с 8 NFE и guidance_scale=0.0; в гайде fal по промптам также прямо сказано, что негативные промпты не поддерживаются.
В качестве надёжной основы используйте такой порядок:
- Тип изображения и композиция: крупный портрет, предметная фотография, редакционная иллюстрация или кинематографичная сцена 16:9.
- Объект и действие: кто или что показано, чем занимается объект и какие физические детали важны.
- Окружение: место, время суток, фон и одна-две значимые детали реквизита.
- Свет и палитра: источник и направление света, его мягкость, температура и доминирующие цвета.
- Стилевой ориентир: документальная фотография, чистая предметная съёмка, акварель или другой один конкретный медиум.
- Ограничения в основном промпте: резкий фокус, чистый фон, естественные руки, точный текст в кавычках, без водяных знаков и брендинга.
Как превратить красивый промпт в пригодный для работы
В этих примерах за раз меняется только одно производственное требование. Так проще понять причину ошибки, а не пытаться исправить результат случайным набором прилагательных.
Сначала выстраивайте иерархию кадра, потом добавляйте эпитеты
Расплывчатый промпт:
Beautiful woman in a garden, cinematic, highly detailed, 8K.
Промпт для производства:
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.
Во втором варианте сразу заданы тип кадра, действие, глубина, свет и палитра. Абстрактные слова вроде “beautiful” не дают Z-Image Turbo конкретных ориентиров для генерации.
Замените негативный промпт ограничениями в основном запросе
В Turbo не стоит рассчитывать на отдельное поле вроде negative_prompt: "blur, extra fingers, clutter". И желаемые свойства, и исключения нужно прописывать прямо в основном промпте:
| Чего нужно избежать | Как сформулировать в основном промпте |
|---|---|
| Размытый объект | sharp focus on the subject, crisp fine detail |
| Перегруженный фон | simple clean backdrop, uncluttered negative space |
| Неестественные руки | natural hands with five clearly separated fingers |
| Нежелательный брендинг | plain unbranded surface, no visible logo or watermark |
| Случайные надписи | no extra lettering, only the quoted title is readable |
У Turbo нет отдельного поля для негативного промпта, но запрет вроде “no watermark” вполне можно и нужно включать в основной запрос.
Один намёк на камеру лучше, чем её полная спецификация
Добавьте один ориентир по камере или плёнке, а остальное место в промпте оставьте объекту и композиции: например, 35mm street-photography framing, cool window light, visible fabric texture.
Базовый режим на восемь проходов — и когда не стоит гнаться за скоростью
В официальном примере для Z-Image-Turbo используется num_inference_steps=9; в карточке Tongyi-MAI поясняется, что это соответствует восьми прямым проходам DiT. Там же заданы guidance_scale=0.0, фиксированный seed и изображение 1024 × 1024. Не путайте воспроизводимые настройки модели с универсальным обещанием скорости: заявление о задержке менее секунды относится к корпоративному оборудованию H800, тогда как на пользовательских устройствах генерация может быть заметно медленнее.
На странице модели fal доступен диапазон от 1 до 8 шагов, до 4 изображений за запрос и результат размером до 4 мегапикселей. Для рабочего процесса рекомендация очевидна: минимальное число шагов подходит для черновых миниатюр, а ближе к восьми стоит переходить для изображений, которые планируется сохранить.
| Параметр | Практичная стартовая настройка | На что влияет |
|---|---|---|
| Шаги генерации | 8 прямых проходов, часто задаются как 9 в интерфейсе | Главный компромисс между качеством и задержкой в Turbo |
| Guidance scale | 0.0 | Turbo дистиллирована без обычного управления CFG |
| Разрешение | 1024 × 1024 для сбалансированного теста | Больший размер стоит дороже и сильнее проявляет ошибки композиции |
| Соотношение сторон | Пресет для квадрата, портрета или горизонтального кадра | Позволяет сразу подогнать холст под канал публикации |
| Seed | Фиксированный во время редактирования промпта | Упрощает сравнение изменений в формулировках |
| Пакет | 2–4 варианта, если сервис поддерживает | Позволяет отбирать результаты, а не доверять одному кадру |
| Расширение промпта | Опционально, прежде всего для коротких запросов | Может добавить деталей, но иногда чрезмерно развивает уже подробное ТЗ |
Чем отличаются быстрые альтернативы
Публичные источники приводят результаты на несопоставимом железе и с разными настройками. Поэтому ниже — сравнение рабочих сценариев, а не скорости на одном и том же GPU.
| Модель | Документированный быстрый режим | Компромисс в промптинге и качестве | Когда выбирать |
|---|---|---|---|
| Z-Image Turbo | 8 NFE; заявлена совместимость с потребительскими устройствами с 16 ГБ памяти; заявлена задержка менее секунды на H800 | Заявлены сильный фотореализм и работа с английским и китайским текстом, но в таблице модели разнообразие оценено низко, а CFG в Turbo не используется | Выбирайте для массовых первых итераций и двуязычных коммерческих концептов |
| FLUX.1-schnell | 1–4 шага; официальный пример Diffusers использует 4 и guidance_scale=0.0 | Модель на 12B параметров с широкой локальной экосистемой и лицензией Apache 2.0; в карточке модели нет бенчмарка времени генерации | Выбирайте, если важнее процесс в 1–4 шага и отлаженный локальный инструментарий, чем акцент Z-Image на тексте |
| SDXL Turbo | 1–4 шага, guidance_scale=0.0, обучение и настройки по умолчанию рассчитаны на 512 × 512 | Документация Diffusers предупреждает, что на 768² и 1024² качество может ухудшаться; коммерческое лицензирование нужно проверять отдельно | Выбирайте для предпросмотра в реальном времени на 512 px или уже существующего SDXL-пайплайна |
Документация модели и endpoint'ов не до конца согласована насчёт адаптеров: в официальном model zoo возможность дообучения Turbo отмечена как N/A, тогда как гайд fal описывает endpoint Turbo LoRA. Считайте доступность LoRA особенностью конкретной обёртки; если обучение адаптеров критично, безопаснее начинать с базовой модели Z-Image.
Шаблоны промптов для пакетной генерации
При пакетной работе фиксируйте seed, пока правите формулировки, и меняйте его только после того, как композиция стала стабильной.
Используйте цикл из трёх этапов:
- Поиск: возьмите короткий структурированный промпт, несколько seed и низкое либо сбалансированное число шагов.
- Отбор: оставьте композицию, которая ясно передаёт идею, затем при фиксированном seed уточните текст, руки и размещение продукта.
- Финализация: перенесите выбранную концепцию в более медленную или управляемую модель, если кадру для кампании нужны максимум деталей, разнообразия или возможности дообучения.
Редакционная графика и изображения для соцсетей
Используйте одну визуальную метафору и одну фокусную точку, различимую даже на миниатюре.
Шаблон: 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.
Пример: 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.
Товары и упаковка
В предметной съёмке важнее геометрия и поведение поверхности, чем настроение. Укажите положение продукта, материал, направление света и точный текст, который должен присутствовать.
Пример: 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.
Для упаковки держите обязательный текст коротким и цитируйте его без изменений. Официальная карточка Z-Image отмечает качество рендеринга английского и китайского текста, но для производства короткие подписи надёжнее плотного меню или абзаца мелким шрифтом.
Портреты без эффекта ретуши
Чтобы портрет не выглядел чрезмерно сглаженным, добавьте обычное действие, конкретное выражение лица и один сдержанный текстурный штрих. Одного слова “photorealistic” недостаточно.
Пример: 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.
Изображения с текстом
Точный текст ставьте в начало промпта, чтобы модель уделила ему достаточно внимания, а затем опишите его расположение и типографику. Если в одном дизайне есть английский и китайский текст, задавайте их как отдельные элементы.
Пример: 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.
Короткие заголовки, размещённые крупно, надёжнее мелких подписей. Перед публикацией обязательно проверяйте итоговый текст на изображении.
Как исправлять проблемы, с которыми сталкиваются пользователи
В таблице ниже сначала предлагается изменить промпт, и только затем — seed или параметры запуска. Один из пользователей сформулировал впечатление так:
“It was Z Image Turbo, it can be janky sometimes, and needs proper prompting but it can deliver really good stuff.” — @RodAndByte
| Симптом | Что сначала изменить в промпте | Что делать дальше |
|---|---|---|
| Пластиковое лицо или зафиксированный взгляд в камеру | Добавьте реальное действие, candid, unposed и чёткое направление взгляда | Меняйте seed только после стабилизации формулировки |
| Текст искажается или появляются лишние слова | Заключите точный короткий текст в кавычки, укажите размер и положение, уберите второстепенные надписи | Попробуйте другой seed и проверяйте результат в финальном размере |
| Сцена с продуктом получается перегруженной | Ограничьте реквизит одной-двумя деталями и задайте позиции переднего и заднего плана | Упростите стилевые формулировки, прежде чем увеличивать число шагов |
| Руки выглядят неправильно | Опишите видимое действие рук и попросите естественную анатомию с пятью пальцами | Сгенерируйте несколько seed: не стоит ждать, что один кадр решит проблему |
| Локальная генерация медленная или нестабильная | Проверьте обёртку, dtype, память GPU и разрешение, прежде чем переписывать промпт | Для проверки пропускной способности используйте hosted endpoint |
Отчёты @iamzhihui и @9o_zZz_o6 показывают, что локальная скорость различается на Mac, старом железе GTX и в разных конфигурациях. Прежде чем винить промпт, проверьте обёртку, dtype, память, разрешение и состояние компиляции.
FAQ по промптам для Z-Image Turbo
Работают ли негативные промпты в Z-Image Turbo?
Отдельное поле негативного промпта в документированном процессе Turbo не поддерживается. Желаемые свойства и ограничения вроде “no watermark” нужно добавлять в основной запрос.
Использовать 8 или 9 шагов генерации?
Ориентируйтесь на названия в конкретном endpoint'е: Tongyi-MAI использует num_inference_steps=9 для восьми прямых проходов DiT, а fal предлагает диапазон от 1 до 8.
Какой длины должен быть промпт для Z-Image Turbo?
В руководстве сообщества по промптингу и гайде MindCraft рабочим диапазоном называют примерно 80–250 слов, а не официальный лимит токенов. Прежде чем добавлять деталей, уберите конкурирующие между собой идеи.
Z-Image Turbo быстрее FLUX schnell или SDXL Turbo?
В публичных источниках нет честного теста задержки на одинаковом оборудовании. Z-Image Turbo использует восемь NFE, тогда как для FLUX.1-schnell и SDXL Turbo документированы режимы от одного до четырёх шагов.
Подходит ли она для большой пакетной генерации изображений?
Да, если речь о генерации и отборе концептов на первой итерации: fal указывает до четырёх изображений за запрос. Фиксируйте seed при редактировании промпта и меняйте seed для выбора вариантов.
Почему локальные запуски становятся медленными или нестабильными?
Заявление о генерации менее чем за секунду привязано к оборудованию H800. Поэтому перед тем, как считать замедление ошибкой промпта, проверьте VRAM, dtype, разрешение, обёртку и компиляцию.