unsloth/Z-Image-GGUF

unsloth
Texto a imagen

Versión GGUF cuantizada de Z-Image, un modelo fundacional de generación de imágenes basado en un transformador de difusión de flujo único. Esta edición de Unsloth aplica Dynamic 2.0 con capas importantes elevadas a mayor precisión para mantener rendimiento competitivo en formatos cuantizados.

Como usar

Parámetros recomendados:

  • Resolución: 512×512 a 2048×2048
  • Guidance scale: 3.0 – 5.0
  • Inference steps: 28 – 50

Instalación y descarga:

pip install git+https://github.com/huggingface/diffusers
pip install -U huggingface_hub
HF_XET_HIGH_PERFORMANCE=1 hf download Tongyi-MAI/Z-Image

Ejemplo de uso:

import torch
from diffusers import ZImagePipeline

# Load the pipeline
pipe = ZImagePipeline.from_pretrained(
    "Tongyi-MAI/Z-Image",
    torch_dtype=torch.bfloat16,
    low_cpu_mem_usage=False,
)
pipe.to("cuda")

# Generate image
prompt = "两名年轻亚裔女性紧密站在一起,背景为朴素的灰色纹理墙面,可能是室内地毯地面。左侧女性留着长卷发,身穿藏青色毛衣,左袖有奶油色褶皱装饰,内搭白色立领衬衫,下身白色裤子;佩戴小巧金色耳钉,双臂交叉于背后。右侧女性留直肩长发,身穿奶油色卫衣,胸前印有“Tun the tables”字样,下方为“New ideas”,搭配白色裤子;佩戴银色小环耳环,双臂交叉于胸前。两人均面带微笑直视镜头。照片,自然光照明,柔和阴影,以藏青、奶油白为主的中性色调,休闲时尚摄影,中等景深,面部和上半身对焦清晰,姿态放松,表情友好,室内环境,地毯地面,纯色背景。"
negative_prompt = ""  # Optional, but would be powerful when you want to remove some unwanted content
image = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    height=1280,
    width=720,
    cfg_normalization=False,
    num_inference_steps=50,
    guidance_scale=4,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]
image.save("example.png")

Funcionalidades

Generación de texto a imagen con 6B parámetros y arquitectura `lumina2`.
Modelo base no destilado, con soporte completo para Classifier-Free Guidance (CFG).
Diseñado para alta adherencia al prompt, diversidad compositiva y control robusto mediante prompts negativos.
Cobertura estilística amplia: fotografía hiperrealista, arte digital cinematográfico, anime e ilustración estilizada.
Apto como base para ajuste fino, entrenamiento LoRA y condicionamiento estructural o semántico.
Distribuido en múltiples cuantizaciones GGUF, desde `Q2_K` hasta `Q8_0`, además de `BF16` y `F16`.
Basado en `Tongyi-MAI/Z-Image` y cuantizado por Unsloth con herramientas de ComfyUI-GGUF.

Casos de uso

Flujos profesionales de generación de imágenes donde se necesita control fino del prompt y del CFG.
Exploración creativa con alta variación entre semillas en composición, identidad facial e iluminación.
Escenas con varias personas donde se busca mantener resultados diferenciados y dinámicos.
Entrenamiento de adaptadores LoRA o trabajos de fine-tuning sobre una base no destilada.
Pipelines de generación local optimizados mediante formatos GGUF cuantizados.