Японский автор запустил Z-Image Turbo в ComfyUI на игровом ПК с RTX 5070 и 12 ГБ VRAM. Из 12–20 кандидатов он выбрал базовое лицо AI-персонажа. В его конфигурации генерация заработала локально. Дальше всё решает отбор: сначала нужно выбрать одно лицо, а потом собирать остальные кадры.

Во второй части серии автор проверил, как модель работает на его системе. Это его опыт, не универсальный тест для всех видеокарт. Он подробно описывает настройки, LoRA и отбор кандидатов, а сам образ персонажа оставляет за кадром.

Сравнение лиц персонажа в четырёх моделях при генерации за 1 и 2 шага для выбора базового варианта.Источник: comfyui-wiki.com

Z-Image Turbo на 12 ГБ запустился, но это результат одной конфигурации

Для генерации автор выбрал ComfyUI — бесплатную программу с нодами. Ноды соединяют в рабочую цепочку. Параметры генерации сохраняются в изображении: если перетащить готовую картинку обратно в ComfyUI, можно восстановить настройки. Удобно, когда хочется повторить удачный кадр и не вспоминать, какой промпт и модель были в работе.

Автор выбирал между Z-Image Turbo и моделями семейства SDXL. Остановился на Z-Image Turbo: хотел быстрее получить базовое лицо, а для модели есть официальный шаблон в ComfyUI. В официальном описании ориентиром служила GPU с 16 ГБ. Автор предполагал, что на 12 ГБ понадобятся облегчённые веса. В его окружении запустилась исходная сборка.

Для запуска нужны три файла: модель, текстовый энкодер и VAE — компонент, который переводит данные модели в изображение. Файлы нужно разместить в соответствующих папках ComfyUI:

  • z_image_turbo_bf16.safetensors — models/diffusion_models
  • qwen_3_4b.safetensors — models/text_encoders
  • ae.safetensors — models/vae
  • После установки открыть шаблон «Z-Image-Turbo: Text to Image»

Автор оставил параметры шаблона без изменений. Turbo-модель рассчитана примерно на 8 шагов. Увеличивать их число в надежде улучшить изображение — не его способ работы. Для промпта он выбрал связный текст на английском, без длинного набора отдельных тегов.

Базовое лицо выбирали из 12–20 кандидатов

Тут начинается полезная часть для креаторов. Автор сначала выбрал эталонный кадр, а уже потом перешёл к ракурсам и выражениям лица. Будущие обучающие материалы он решил строить вокруг одного лица, без похожих, но разных вариантов.

Face-LoRA — дополнительный модуль, который влияет на черты лица. В тесте её силу выставили на 0,5 и оставили без изменений на время отбора. Если постоянно менять силу LoRA, меняется и характер лица. Сравнивать кандидатов становится сложнее.

  1. Случайно задавать новый seed для поиска вариантов.
  2. Генерировать по 4 изображения за раз, всего ориентироваться на 12–20 кандидатов.
  3. Оставлять нейтральный фон, чтобы оценивать именно лицо.
  4. Сохранить понравившиеся изображения и отдельно скопировать выбранные файлы.

Потом автор сократил выбор примерно до пяти изображений и попросил AI помочь выбрать одно. Он смотрел на сбалансированность лица, заметную отличительную черту персонажа и близкий к фронтальному угол. Последний критерий пригодится на следующем этапе — при подготовке материалов для обучения.

Как сравнивать лицо честно

Эффект LoRA автор проверял на одном seed и с одинаковыми настройками. В одном варианте модуль был включён, в другом — выключен. Так легче понять, что именно он меняет. Для поиска кандидатов seed, наоборот, обновляли случайно, чтобы получить больше разнообразия.

Некоторые LoRA настроены под конкретные представления о привлекательности. Автор советует оценивать, подходят ли черты модуля персонажу: его описание результата не гарантирует. Если характерная деталь лица или её положение немного расходятся с задумкой, автор планировал поправить изображение в редакторе. Небольшие правки там оказались надёжнее повторных попыток добиться нужного промптом.

Автор также следил, чтобы взрослый персонаж выглядел взрослым. По его наблюдению, генерация иногда давала слишком юные черты, даже когда в настройках персонаж был взрослым. Он корректировал это описанием внешности. Тут важны и доверие аудитории, и возможные ограничения платформ.

NitroFusion2 ускоряет перебор

Есть и дополнение по Z-Image Turbo: 3 ноября вышел NitroFusion2, версия-дистилляция исходной модели для генерации за 1–2 шага. ComfyUI Wiki пишет о готовых рабочих процессах без пользовательских нод и GGUF-файлах размером от 2,0 до 7,2 ГБ. Такой вариант можно рассмотреть, если хочется быстрее перебирать изображения.

В двухшаговом режиме NitroFusion2 использует специальную de-distillation LoRA. Её включают с силой 0,5 на первом шаге, а на втором отключают. В статье на arXiv авторы описывают подход, где при обучении дистилляции учитывают текстовый поток мультимодальной модели. Практическая цель — сократить генерацию до одного или двух шагов, сохранив качество на сопоставимом уровне в оценённых тестах.

ВариантШагиЧто известно из материалов
Z-Image Turboоколо 8На RTX 5070 с 12 ГБ запустилась конфигурация японского автора
NitroFusion21–2Есть готовые ComfyUI workflow и GGUF-файлы от 2,0 до 7,2 ГБ

Меньшее число шагов может упростить перебор, но критерии отбора всё равно нужны. В материалах не измеряли, сколько генераций потребуется именно вам. Автор японской серии также не сравнивал скорость NitroFusion2 и Z-Image Turbo на своём ПК. Это отдельная новость, а не замер для его конфигурации.

Локальный запуск удобен, но лицензию нужно проверять по каждому файлу

Автор указывает, что 16 октября 2026 года на странице Z-Image Turbo в Hugging Face была обозначена лицензия Apache 2.0. Обычно она допускает коммерческое использование. Это важно тем, кто собирает персонажа для монетизации. У дополнительных файлов в рабочей цепочке могут быть другие условия.

Лицензия LoRA может отличаться от лицензии базовой модели. Проверяйте условия файла, который собираетесь использовать, и актуальную версию на странице распространения. В коммерческой работе проблема может оказаться в дополнительном модуле, а не в основной модели.

Если исходные веса на 12 ГБ работают медленно или начинают выгружаться в оперативную память, можно попробовать облегчённый вариант. В руководстве по GGUF для Z-Image Turbo Jacky Wang называет Q4_K_M размером около 4,98 ГБ вариантом для карты с 12 ГБ. Это рекомендация для другой конфигурации. Скорость и качество у вас могут отличаться.

Сначала закрепите эталон, потом расширяйте набор изображений

В этой схеме мне нравится порядок работы: постоянные настройки для сравнения, небольшая серия кандидатов, один выбранный эталон и только потом новые ракурсы и эмоции. Если смешать в обучающей папке лица, которые похожи лишь по настроению, персонаж может потерять узнаваемые черты.

Я бы проверял сборку поэтапно. Сначала повторил бы шаблон на своей карте, затем сравнил LoRA и базовую модель с одинаковым seed. После этого собрал бы кандидатов на нейтральном фоне. Если переходите на NitroFusion2 ради скорости, отдельно проверьте, как он сохраняет нужные черты на ваших промптах. Один удачный портрет ещё не показывает, сохранится ли лицо в другом ракурсе или с другой эмоцией.

Для серийного персонажа сначала выберите одно лицо, которому будете доверять остальные кадры.

В этом опыте 12 ГБ хватило для локального старта. Узнаваемость персонажа зависит и от того, насколько внимательно вы выбрали исходное лицо.

Источники

NitroFusion2: Z-Image-Turbo at 1 Step, With ComfyUI Workflows

Bringing Adversarial Loss to the Text Stream of Multimodal Diffusion Transformers

Z-Image Turbo GGUF: Quant Sizes, VRAM and ComfyUI Setup

Источникnote.com