企业官网建设流程全解析

关键词：Z-Image、ComfyUI、ModelScope、魔搭、AI绘画、阿里通义、国内下载

前言

上一篇我们已经在 Ubuntu 上装好了 ComfyUI（没看过的点这里：[《Ubuntu 安装 ComfyUI 保姆级教程》]）。这篇我们来跑通第一个"当红"模型——Z-Image。

Z-Image 是阿里通义实验室发布的 6B 参数图像生成模型，单流 DiT 架构，有几个非常突出的卖点：

• 亚秒级推理：Turbo 版只需 8~9 步采样，16GB 显卡上出一张图只要几秒钟
• 中英文双语精准渲染：海报上写中文大字基本不乱码，这一点吊打绝大多数开源模型
• 照片级真实感：人像、产品图质感非常出色
• 显存友好：6B 参数，低配有 FP8 / GGUF 量化版，8GB 显存也能跑

对国内用户来说最爽的是：Z-Image 全套文件在魔塔社区（ModelScope）有官方镜像，下载直接跑满带宽，不用再和 Hugging Face 斗智斗勇。

本文目标：从 ModelScope 高速下载模型 → 正确放置文件 → 加载官方工作流 → 生成第一张图。

一、Z-Image 和 Z-Image-Turbo 选哪个？

官方目前有两个版本，文件不同、采样参数也不同，千万别混用：

新手无脑选Turbo。把基础版的 30 步 / CFG 4.0 参数套到 Turbo 上，出来的图会过饱和、发糊；反过来用 Turbo 的参数跑基础版，会严重"欠火候"——这是新手最常犯的错误。

二、要下载哪几个文件？

Z-Image 不是传统的一个 checkpoint 文件，而是三件套，分别放进三个不同的目录：

如果你之前玩 Flux 已经下过ae.safetensors，VAE 就不用重复下载了。
显存 8~12GB的同学把扩散模型换成 FP8 版：z-image-turbo-fp8-e4m3fn.safetensors，能省近一半显存。

三、从魔塔满速下载（两种方式）

方式一：wget 直接下（简单粗暴）

进入 ComfyUI 根目录，逐条执行：

cdComfyUI# 1. 扩散模型（约 12.3 GB）wget-Omodels/diffusion_models/z_image_turbo_bf16.safetensors\"https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/diffusion_models/z_image_turbo_bf16.safetensors"# 2. 文本编码器（约 8 GB）wget-Omodels/text_encoders/qwen_3_4b.safetensors\"https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/text_encoders/qwen_3_4b.safetensors"# 3. VAE（约 335 MB）wget-Omodels/vae/ae.safetensors\"https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/vae/ae.safetensors"

国内带宽下基本可以跑满，三个文件加起来二十多 GB，百兆带宽大概 30~40 分钟。

方式二：modelscope 命令行工具（推荐，支持断点续传）

pipinstallmodelscopecdComfyUI/models modelscope download--modelComfy-Org/z_image_turbo--local_dir./z_image_turbo_tmp

下载完成后，模型在z_image_turbo_tmp/split_files/目录下，批量归位：

cp-r./z_image_turbo_tmp/split_files/diffusion_models/* ./diffusion_models/cp-r./z_image_turbo_tmp/split_files/text_encoders/* ./text_encoders/cp-r./z_image_turbo_tmp/split_files/vae/* ./vae/

中途断网了重跑同一条命令即可，会自动续传。

最终目录结构应该长这样，放错目录是新手第二大坑（VAE 放进 diffusion_models 里，VAE 加载器是看不到的）：

📂 ComfyUI/ ├── 📂 models/ │ ├── 📂 text_encoders/ │ │ └── qwen_3_4b.safetensors │ ├── 📂 diffusion_models/ │ │ └── z_image_turbo_bf16.safetensors │ └── 📂 vae/ │ └── ae.safetensors

四、更新 ComfyUI 并启动

Z-Image 是 ComfyUI原生支持的模型，不需要装任何自定义节点，但要求版本够新：

cdComfyUIgitpull pipinstall-rrequirements.txt# 有依赖更新的话顺手装上python main.py

浏览器打开http://127.0.0.1:8188。

五、加载官方工作流

新版 ComfyUI 自带 Z-Image 模板，加载方法：

1. 顶部菜单点Workflow（工作流）→Browse Templates（浏览模板）
2. 在图像分类里找到Z-Image-Turbo 文生图，点击加载
3. 加载后检查三个加载器节点，确认选中的文件名和你下载的完全一致：
   • Load Diffusion Model→z_image_turbo_bf16.safetensors
   • Load CLIP→qwen_3_4b.safetensors
   • Load VAE→ae.safetensors

如果模板里找不到 Z-Image，或者加载工作流提示节点缺失，99% 是 ComfyUI 没更新，回去执行git pull。
也可以在 ComfyUI 官方文档下载image_z_image_turbo.json工作流文件，从菜单Workflow → Open手动导入。

六、跑第一张图

在CLIP Text Encode节点里输入提示词。Z-Image 对中文提示词支持极好，直接写中文就行：

一张电影感海报：雨夜的城市街道，霓虹灯牌上写着"深夜食堂"四个汉字， 地面积水倒映着暖色灯光，一个撑伞的背影，胶片质感，8k

采样参数确认一下（Turbo 版）：

• steps：8~9（不要超过 20，步数过高反而过饱和、画质下降）
• CFG：1.0
• 采样器：euler
• 分辨率：1024×1024 起步

点击Queue / 运行。第一次生成会先加载模型到显存（等十几秒），之后就是见证奇迹的时刻：

loaded completely 14021.4 MB 100%|██████████| 9/9 [00:02<00:00, 3.91it/s] Prompt executed in 2.87 seconds

9 步采样 3 秒不到出图，这就是 Turbo 的实力。生成的图片保存在ComfyUI/output/目录。

七、常见问题

1. 加载工作流提示 “unknown node type”
ComfyUI 版本太旧。Z-Image 原生支持上线时间不长，超过一个月没更新的版本大概率不认这些节点，git pull+ 重装依赖即可。

2. 提示找不到模型文件 / 下拉列表是空的
文件名或目录放错了。对照第三节的目录结构检查，注意是text_encoders不是clip（老教程里的叫法），放好后重启或刷新页面。

3. 爆显存（CUDA out of memory）

• 换 FP8 版扩散模型：z-image-turbo-fp8-e4m3fn.safetensors
• 文本编码器换 GGUF 量化版（如Qwen3-4B-Q6_K.gguf，需装 ComfyUI-GGUF 节点）
• 启动加参数：python main.py --lowvram

4. 出图发糊、颜色诡异
检查是不是把 CFG 设成了 7 之类的 SD 习惯值——Turbo 版必须CFG=1.0、8~9 步。

5. ModelScope 下载慢
个别时段会限速，可以改用HF_ENDPOINT=https://hf-mirror.com走国内镜像站下 Hugging Face 源，速度同样可观。

八、总结

回顾整个流程：魔塔下三件套 → 按目录归位 → 更新 ComfyUI → 加载官方模板 → CFG 1.0 跑 9 步。核心技巧就一个：认准 ModelScope 的 Comfy-Org 官方仓库，国内满速，再也不用熬夜等 Hugging Face。

下一篇预告：Z-Image 的提示词实战技巧 + Fun ControlNet 多控工作流（Canny/Depth/Pose 五合一），关注我，更新第一时间推送。有问题评论区见！

本文基于 ComfyUI 官方文档与魔塔社区资源整理，版本信息截至 2026 年 10 月。