Z-Image-Turbo-ov

<h1 align="center">⚡️- Z-Image OpenVINO™<br>_{^{基於單流 Diffusion Transformer 的高效圖像生成基礎模型}}</h1> <div align="center">

<a href="https://arxiv.org/abs/2511.22699" target="_blank"><img src="https://img.shields.io/badge/Report-b5212f.svg?logo=arxiv" height="21px"></a>

歡迎使用 Z-Image（造相）項目的 OpenVINO™ INT4量化版本！本版本專為 Intel 硬體加速設計，實現高效的本地端推理。

</div>

---

✨ 關於 Z-Image

Z-Image 是一個擁有 6B 參數的高性能圖像生成模型。透過 OpenVINO™ 的優化，您可以輕鬆在個人電腦（如 Intel Core™ 處理器或 Arc™ 獨立顯卡）上流暢運行，無需依賴雲端 GPU。

• 🚀 Z-Image-Turbo – 經過蒸餾的高速版本，僅需 8 步 (NFEs) 即可生成高質量圖像，在 Intel 硬體上可實現秒級出圖。
• 🎨 中英雙語文字渲染 – 模型具備強大的文字理解能力，能精準在圖像中渲染中文與英文標記。
• ✍️ 精準指令遵循 – 採用單流 DiT 架構，對複雜提示詞（Prompt）的邏輯理解更加細膩。

---

🏗️ 模型架構

Z-Image採用了 可擴展單流 DiT (S3-DiT) 架構。在此架構中，文本、視覺語義 Token 以及 VAE Token 在序列層面進行拼接，形成統一的輸入流，與傳統雙流架構相比，極大地提升了參數效率。

---

🚀 快速上手 (OpenVINO™)

1. 安裝環境

請執行以下指令安裝必要的相依庫與特定版本：

python.exe -m pip install --upgrade pip
pip3 uninstall -y optimum transformers optimum-intel diffusers
pip3 install git+https://github.com/huggingface/diffusers
pip3 install git+https://github.com/openvino-dev-samples/optimum-intel.git@zimage
pip3 install nncf
pip3 install torch==2.8.0 torchvision==0.23.0 torchaudio==2.8.0 --index-url https://download.pytorch.org/whl/cpu
pip3 install openvino==2025.4

2.轉化模型(Optional)

optimum-cli export openvino --model Tongyi-MAI/Z-Image-Turbo --task text-to-image Z-Image-Turbo-ov --weight-format int4 --group-size 64 --ratio 1.0

3.程式範例

import os
import random
import torch
from optimum.intel import OVZImagePipeline
import openvino as ov

core = ov.Core()
# 偵測支援的設備
available_devices = core.available_devices
print(f"目前可用設備: {available_devices}")

# 1. 模型初始化
device = "GPU" if "GPU" in available_devices else "CPU"
model_id = "hsuwill000/Z-Image-Turbo-ov"
pipe = OVZImagePipeline.from_pretrained(model_id, device=device)

# 2. 設定提示詞與隨機種子
prompt = "Young Chinese woman in red Hanfu, intricate embroidery. Impeccable makeup. Neon lightning-bolt lamp (⚡️), bright yellow glow, above extended left palm. Soft-lit outdoor night background, silhouetted tiered pagoda, blurred colorful distant lights."
seed = random.randint(0, 2**32 - 1)

# 3. 執行推論
image = pipe(
    prompt=prompt,
    height=512,
    width=512,
    num_inference_steps=7, 
    guidance_scale=0.0,
    generator=torch.Generator("cpu").manual_seed(seed),
).images[0]

# 4. 儲存結果
image.save("z_image_ov_output.png")

3.圖片展示

<p align="center"> <img src="example/performance.png" alt="Z-Image OpenVINO Performance" width="70%"> <img src="example/z_image_ov_output.png" alt="Z-Image OpenVINO Output" width="70%"> </p>