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.