AIREITERZ-Image Turbo 不使用单独的负面提示词字段，且 guidance 始终为零。它更适合被当作一份精炼的创意简报来写：先描述你想要的画面，再把清理和排除要求一并写进主提示词。这也是 Tongyi-MAI 与 fal 文档所采用的工作方式。
决定 Z-Image Turbo 出图效果的关键：提示词怎么组织
别堆砌标签，直接写一段自然语言的创意简报。先交代画面类型和主体，再依次补充构图、场景、光线、风格与约束条件。官方模型卡将 Turbo 描述为 8-NFE 蒸馏模型，参数为 guidance_scale=0.0；fal 提示词指南同样明确表示不支持负面提示词。
可以按以下顺序组织，作为稳定的起点：
- 画面类型与构图：近景肖像、产品摄影、编辑插画，或 16:9 电影感场景。
- 主体与动作：画面中是谁或是什么、正在做什么，以及决定辨识度的外观细节。
- 环境信息：地点、时段、背景，以及一两个真正有意义的道具。
- 光线与色彩：光源、方向、柔和程度、色温和主导色。
- 风格锚点：纪实摄影、干净的产品摄影、水彩，或其他单一媒介风格。
- 主提示词内的约束：焦点清晰、背景干净、手部自然、精确的引号文字、无水印或品牌标识。
提示词改写实战：把“好看”变成可交付素材
下面的改写每次只解决一个生产需求。这样出问题时，你能定位原因，而不是不断往提示词里随机加形容词。
先建立视觉层级，再补充修饰词
宽泛提示词：
Beautiful woman in a garden, cinematic, highly detailed, 8K.
适合生产的提示词：
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.
第二条提示词先明确镜头类型、动作、景深关系、光线和色彩；“beautiful”这类模糊形容词并没有给 Z-Image Turbo 足够具体的绘制信息。
用主提示词里的约束，替代负面提示词
在 Turbo 流程中，不要依赖类似 negative_prompt: "blur, extra fingers, clutter" 的独立字段。想要的特征和不想要的内容，都写进主提示词：
| 需要避免的问题 | 可写入主提示词的表达 |
|---|---|
| 主体模糊 | sharp focus on the subject, crisp fine detail |
| 背景杂乱 | simple clean backdrop, uncluttered negative space |
| 手部别扭 | natural hands with five clearly separated fingers |
| 出现不需要的品牌元素 | plain unbranded surface, no visible logo or watermark |
| 随机出现文字 | no extra lettering, only the quoted title is readable |
Turbo 没有独立的负面提示词字段，但你依然可以在主提示词中写入 “no watermark” 这样的排除条件。
加入一个镜头提示就够了，别写成器材履历
只保留一个相机或胶片感线索，把更多提示词空间留给主体和版式。例如：35mm street-photography framing, cool window light, visible fabric texture。
八步是实用基线，但别盲目追求速度
官方 Z-Image-Turbo 示例使用 num_inference_steps=9，Tongyi-MAI 模型卡解释称，这对应八次 DiT 前向推理。该示例还使用了 guidance_scale=0.0、固定 seed 和 1024 × 1024 图像。不要把这套可复现的模型设置误认为普适的实际耗时承诺：项目所称的亚秒级速度基于企业级 H800 硬件，消费级设备上的运行可能慢得多。
fal 模型页面列出了可配置的 1–8 步范围、单次请求最多 4 张图，以及最高 4 百万像素的输出。用于生产循环时，比较合理的方式是：缩略图探索使用最低步数，值得保留的素材再提高到接近八步。
| 控制项 | 实用起始设置 | 影响内容 |
|---|---|---|
| 推理步数 | 8 次前向推理，界面中常显示为 9 个设置步数 | Turbo 最主要的画质与延迟权衡项 |
| Guidance scale | 0.0 | Turbo 经蒸馏后不采用常规 CFG 控制 |
| 分辨率 | 1024 × 1024，适合平衡测试 | 更大的输出成本更高，也更容易暴露构图问题 |
| 画幅比例 | 方形、竖版或横版预设 | 让画布匹配发布渠道 |
| Seed | 修改提示词时保持固定 | 便于比较措辞调整带来的差异 |
| 批量数 | 支持时生成 2–4 个变体 | 用挑选代替押注单张结果 |
| 提示词扩展 | 可选，主要适合较短提示词 | 能够增加细节，但也可能让完整简报变得过度发挥 |
几种快速模型，工作流上有什么区别
公开资料使用的硬件与参数并不一致，因此这里比较的是工作流，而不是同一块 GPU 上的绝对速度。
| 模型 | 文档中的快速路径 | 提示词与画质取舍 | 适合的选择 |
|---|---|---|---|
| Z-Image Turbo | 8 NFE；声称可适配 16 GB 消费级设备；声称在 H800 上可实现亚秒级延迟 | 主打优秀的写实感和英中文本能力，但模型表中多样性评级较低，且 Turbo 不使用 CFG | 适合高量级首轮出图，以及双语商业创意 |
| FLUX.1-schnell | 1–4 步；官方 Diffusers 示例使用 4 步与 guidance_scale=0.0 | 12B 模型，拥有成熟广泛的本地生态和 Apache 2.0 许可证；模型卡未公布实际耗时基准 | 当 1–4 步工作流和成熟本地工具链比 Z-Image 的文本优势更重要时选择它 |
| SDXL Turbo | 1–4 步，guidance_scale=0.0，训练与默认分辨率为 512 × 512 | Diffusers 文档提示，768² 和 1024² 可能导致效果下降；商用许可需要自行核查 | 适合 512px 实时预览，或已有 SDXL 工作流 |
模型表和端点文档对于适配器的表述并不完全一致：官方模型库将 Turbo 的微调能力标为 N/A，而 fal 指南记录了 Turbo LoRA 端点。应将 LoRA 可用性视作封装层特性；如果适配器训练是核心需求，base Z-Image 模型是更稳妥的起点。
经得起批量生产的提示词模式
批量生产时，修改措辞阶段固定 seed；等构图稳定之后，再通过改变 seed 扩展候选方案。
可以使用三阶段循环：
- 探索：用简短、有结构的提示词，配合较低或平衡的步数设置和多个 seed。
- 筛选：保留最能表达创意的构图，再在固定 seed 下收紧文字、手部和产品摆放要求。
- 定稿：如果某个广告画面需要极致细节、多样性或微调能力，将选中的概念转到更慢但控制力更强的模型。
编辑配图与社交媒体视觉
只用一个视觉隐喻和一个焦点，确保缩略图尺寸下仍然清晰可读。
模板：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.
示例：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.
产品与包装
产品图应优先强调几何形态和表面质感，而不是氛围。明确产品位置、材质、光线方向，以及必须出现的精确文字。
示例：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.
包装上的必需文字应简短，并用引号原样标出。官方 Z-Image 模型卡强调了英文和中文文字渲染能力，但在实际生产中，短标签仍然比密集菜单或一整段小字更可靠。
避免磨皮感的人像
与其只写“photorealistic”，不如加入一个日常动作、明确的表情，以及一个克制的质感线索。
示例： 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.
包含文字的图像
把精确文字放在提示词靠前的位置，再描述它的位置和字体风格。如果同一设计中同时有英文和中文，将它们作为独立元素来描述。
示例： 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.
大尺寸摆放的短标题比小标签更可靠；发布前务必检查文字输出。
排查用户真正会遇到的问题
下面的恢复表优先建议先改一处提示词，再考虑改 seed 或运行参数。一位真实用户这样概括自己的体验：
“It was Z Image Turbo, it can be janky sometimes, and needs proper prompting but it can deliver really good stuff.” — @RodAndByte
| 症状 | 优先修改的提示词 | 下一步调整 |
|---|---|---|
| 脸部塑料感强，或眼神始终直视镜头 | 加入真实动作、candid、unposed，并明确视线方向 | 措辞稳定后再更换 seed |
| 文字跑偏，或出现多余词语 | 引用精确的短文字，规定大小和位置，并移除次要文案 | 尝试不同 seed，并按最终输出尺寸检查 |
| 产品场景变得杂乱 | 道具限制为一到两个，并定义前景和背景的位置 | 增加步数前，先减少风格描述 |
| 手部不自然 | 描述可见的手部动作，并要求自然的五指解剖结构 | 生成多个 seed；不要期待一张样本就能解决问题 |
| 本地生成缓慢或不稳定 | 重写提示词前，先检查封装、dtype、GPU 显存和分辨率 | 使用托管端点测试吞吐量 |
@iamzhihui 和 @9o_zZz_o6 的报告显示，Mac、较旧 GTX 硬件和不同配置下的本地速度差异很大。因此，在判断问题是否由提示词引起前，应先测试封装、dtype、内存、分辨率和编译状态。
Z-Image Turbo 提示词常见问题
Z-Image Turbo 支持负面提示词吗？
在已文档化的 Turbo 工作流中，不支持单独的负面提示词字段；请把目标特征和诸如“no watermark”之类的排除要求写入主提示词。
我应该用 8 步还是 9 步推理？
按端点的命名方式设置：Tongyi-MAI 用 num_inference_steps=9 对应八次 DiT 前向推理，而 fal 提供的是 1–8 的范围。
Z-Image Turbo 的提示词写多长合适？
社区提示词手册和 MindCraft 指南都将大约 80–250 个词作为实用范围，而非官方 token 限制；与其继续加细节，不如先删掉相互竞争的概念。
Z-Image Turbo 比 FLUX schnell 或 SDXL Turbo 更快吗？
公开资料中没有公平的同硬件延迟测试；Z-Image Turbo 使用八个 NFE，而 FLUX.1-schnell 和 SDXL Turbo 的文档均标注为一到四步。
它适合大批量生成图片吗？
适合用于生成和筛选首轮概念：fal 标注单次请求最多可生成四张图，因此修改提示词时固定 seed，进行候选筛选时再变化 seed。
为什么本地运行会变慢或不稳定？
亚秒级声明基于 H800 硬件，因此不要直接把本地变慢归咎于提示词。在此之前，先检查 VRAM、dtype、分辨率、封装方式和编译状态。