z-image/turbo-lora

نص إلى صورة

TURBO

Z-Image-Turbo LoRA API by Atlas Cloud

z-image/turbo-lora

Turbo-lora

Z-Image Turbo text-to-image generation with user-supplied LoRA weights, custom sizes, and reproducible output.

الإدخال

الطلب *

Loras

الحد الأقصى: 3

الحجم

العرض

الارتفاع

1024 × 1024 pxالنطاق: 256 - 1536

البذرة

Num inference steps

Guidance scale

Output format

Civitai links require your API token appended: download_url&token=YOUR_TOKEN. Get it from Civitai Account Settings → API Keys.
Hugging Face links must point to a specific file (e.g. .safetensors), not a repository directory.

الإخراج

في انتظار التنفيذ

ستظهر الصورة المُنشأة هنا

قم بتعيين المعاملات وانقر فوق تشغيل لبدء الإنشاء

كل مرة ستكلف $0.01 مع $10 يمكنك التشغيل حوالي 1000 مرة

يمكنك المتابعة بـ:

صورة إلى فيديو صورة إلى صورة

المعلمات

مثال الكود
import requests
import time

# Step 1: Start image generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "z-image/turbo-lora",  # Required. Model name
    "prompt": "A beautiful landscape with mountains and lake",  # Required. The positive prompt for the generation
    "loras": [],  # List of LoRA weights to apply. default: []
    "size": "1024*1024",  # Output image size in width*height format. (max: 1536)
    "seed": -1,  # Seed for reproducible output
    "num_inference_steps": 9,  # Number of inference steps used for generation. (min: 1)
    "guidance_scale": 1,  # Classifier-free guidance scale
    "output_format": "png",  # Image output format. options: png | jpeg | webp
    "enable_sync_mode": False,  # Wait for the result to be generated and uploaded before returning the response
    "enable_base64_output": False,  # Return base64 image data instead of an image URL
}

generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]

# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"

def check_status():
    while True:
        response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
        result = response.json()

        if result["data"]["status"] == "completed":
            print("Generated image:", result["data"]["outputs"][0])
            return result["data"]["outputs"][0]
        elif result["data"]["status"] == "failed":
            raise Exception(result["data"]["error"] or "Generation failed")
        else:
            # Still processing, wait 2 seconds
            time.sleep(2)

image_url = check_status()

التثبيت

قم بتثبيت الحزمة المطلوبة للغة البرمجة الخاصة بك.

pip install requests

المصادقة

تتطلب جميع طلبات API المصادقة عبر مفتاح API. يمكنك الحصول على مفتاح API الخاص بك من لوحة تحكم Atlas Cloud.

export ATLASCLOUD_API_KEY="your-api-key-here"

ترويسات HTTP

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

حافظ على أمان مفتاح API الخاص بك

لا تكشف أبدًا مفتاح API الخاص بك في الكود من جانب العميل أو المستودعات العامة. استخدم متغيرات البيئة أو وكيل الخادم الخلفي بدلاً من ذلك.

إرسال طلب

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "prompt": "A beautiful landscape"
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

إرسال طلب

أرسل طلب توليد غير متزامن. تُرجع API معرّف التنبؤ الذي يمكنك استخدامه للتحقق من الحالة واسترداد النتيجة.

POST/api/v1/model/generateImage

نص الطلب

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}

data = {
    "model": "z-image/turbo-lora",
    "prompt": "A beautiful landscape with mountains and lake"
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

print(f"Prediction ID: {result['data']['id']}")
print(f"Status: {result['data']['status']}")

الاستجابة

{
  "code": 200,
  "data": {
    "id": "pred_abc123",
    "status": "processing",
    "model": "model-name",
    "created_at": "2025-01-01T00:00:00Z"
  }
}

التحقق من الحالة

استعلم عن نقطة نهاية التنبؤ للتحقق من الحالة الحالية لطلبك.

GET/api/v1/model/prediction/{prediction_id}

مثال الاستعلام

import requests
import time

prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

while True:
    response = requests.get(url, headers=headers)
    result = response.json()
    status = result["data"]["status"]
    print(f"Status: {status}")

    if status in ["completed", "succeeded"]:
        output_url = result["data"]["outputs"][0]
        print(f"Output URL: {output_url}")
        break
    elif status == "failed":
        print(f"Error: {result['data'].get('error', 'Unknown')}")
        break

    time.sleep(3)

قيم الحالة

processingلا يزال الطلب قيد المعالجة.

completedاكتمل التوليد. المخرجات متاحة.

succeededنجح التوليد. المخرجات متاحة.

failedفشل التوليد. تحقق من حقل الخطأ.

استجابة مكتملة

{
  "data": {
    "id": "pred_abc123",
    "status": "completed",
    "outputs": [
      "https://storage.atlascloud.ai/outputs/result.png"
    ],
    "metrics": {
      "predict_time": 8.3
    },
    "created_at": "2025-01-01T00:00:00Z",
    "completed_at": "2025-01-01T00:00:10Z"
  }
}

رفع الملفات

ارفع الملفات إلى تخزين Atlas Cloud واحصل على URL يمكنك استخدامه في طلبات API الخاصة بك. استخدم multipart/form-data للرفع.

POST/api/v1/model/uploadMedia

مثال الرفع

import requests

url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

with open("image.png", "rb") as f:
    files = {"file": ("image.png", f, "image/png")}
    response = requests.post(url, headers=headers, files=files)

result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")

الاستجابة

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Input Schema

المعاملات التالية مقبولة في نص الطلب.

الإجمالي: 10مطلوب: 2اختياري: 8

Civitai links require your API token appended: download_url&token=YOUR_TOKEN. Get it from Civitai Account Settings → API Keys.
Hugging Face links must point to a specific file (e.g. .safetensors), not a repository directory.

modelstringrequired

Model name.

Default: "z-image/turbo-lora"

promptstringrequired

The positive prompt for the generation.

lorasarray[object]

List of LoRA weights to apply.

Default: []Max items: 3

pathstringrequired

URL or path to the LoRA weights.

scalenumber

Scale used before merging the LoRA weights.

Default: 1Min: 0Max: 4

sizestring

Output image size in width*height format.

Default: "1024*1024"Max: 1536

seedinteger

Seed for reproducible output. Use -1 for random.

Default: -1

num_inference_stepsinteger

Number of inference steps used for generation.

Default: 9Min: 1

guidance_scalenumber

Classifier-free guidance scale. The default value follows the Z-Image Turbo path.

Default: 1

output_formatstring

Image output format.

Default: "png"

pngjpegwebp

enable_sync_modeboolean

Wait for the result to be generated and uploaded before returning the response. This property is only available through the API.

Default: false

enable_base64_outputboolean

Return base64 image data instead of an image URL. This property is only available through the API.

Default: false

مثال على نص الطلب

{
  "model": "z-image/turbo-lora",
  "prompt": "A beautiful landscape",
  "loras": [],
  "size": "1024*1024",
  "seed": -1,
  "num_inference_steps": 9,
  "guidance_scale": 1,
  "output_format": "png",
  "enable_sync_mode": false,
  "enable_base64_output": false
}

Output Schema

تُرجع API استجابة تنبؤ تحتوي على عناوين URL للمخرجات المولّدة.

created_atstring

ISO timestamp when the request was created.

idstring

Unique prediction id.

modelstring

Model id used for the prediction.

outputsarray

Generated image URLs or base64 payloads.

statusstring

Task status.

مثال على الاستجابة

{
  "id": "pred_abc123",
  "status": "completed",
  "model": "model-name",
  "outputs": [
    "https://storage.atlascloud.ai/outputs/result.png"
  ],
  "metrics": {
    "predict_time": 8.3
  },
  "created_at": "2025-01-01T00:00:00Z",
  "completed_at": "2025-01-01T00:00:10Z"
}

Atlas Cloud Skills

يدمج Atlas Cloud Skills أكثر من 400 نموذج ذكاء اصطناعي مباشرة في مساعد البرمجة بالذكاء الاصطناعي الخاص بك. أمر واحد للتثبيت، ثم استخدم اللغة الطبيعية لتوليد الصور ومقاطع الفيديو والدردشة مع LLM.

العملاء المدعومون

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ العملاء المدعومون

التثبيت

npx skills add AtlasCloudAI/atlas-cloud-skills

إعداد مفتاح API

احصل على مفتاح API الخاص بك من لوحة تحكم Atlas Cloud وعيّنه كمتغير بيئة.

export ATLASCLOUD_API_KEY="your-api-key-here"

الإمكانيات

بمجرد التثبيت، يمكنك استخدام اللغة الطبيعية في مساعد الذكاء الاصطناعي الخاص بك للوصول إلى جميع نماذج Atlas Cloud.

توليد الصورأنشئ صورًا باستخدام نماذج مثل Nano Banana 2 و Z-Image والمزيد.

إنشاء الفيديوأنشئ مقاطع فيديو من نص أو صور باستخدام Kling و Vidu و Veo وغيرها.

دردشة LLMتحدث مع Qwen و DeepSeek ونماذج اللغة الكبيرة الأخرى.

رفع الوسائطارفع الملفات المحلية لتحرير الصور وسير عمل تحويل الصور إلى فيديو.

MCP Server

يربط Atlas Cloud MCP Server بيئة التطوير الخاصة بك بأكثر من 400 نموذج ذكاء اصطناعي عبر Model Context Protocol. يعمل مع أي عميل متوافق مع MCP.

العملاء المدعومون

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ العملاء المدعومون

التثبيت

npx -y atlascloud-mcp

التكوين

أضف التكوين التالي إلى ملف إعدادات MCP في بيئة التطوير الخاصة بك.

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

الأدوات المتاحة

atlas_generate_imageتوليد صور من أوصاف نصية.

atlas_generate_videoإنشاء مقاطع فيديو من نص أو صور.

atlas_chatالدردشة مع نماذج اللغة الكبيرة.

atlas_list_modelsتصفح أكثر من 400 نموذج ذكاء اصطناعي متاح.

atlas_quick_generateإنشاء محتوى بخطوة واحدة مع اختيار تلقائي للنموذج.

atlas_upload_mediaرفع الملفات المحلية لسير عمل API.

اعرف المزيد

github.com/AtlasCloudAI/mcp-server

مخطط API

{
  "components": {
    "schemas": {
      "Input": {
        "type": "object",
        "required": [
          "model",
          "prompt"
        ],
        "properties": {
          "model": {
            "type": "string",
            "description": "Model name.",
            "default": "z-image/turbo-lora"
          },
          "prompt": {
            "type": "string",
            "description": "The positive prompt for the generation."
          },
          "loras": {
            "type": "array",
            "description": "List of LoRA weights to apply.",
            "default": [],
            "maxItems": 3,
            "items": {
              "$ref": "#/components/schemas/LoraWeight"
            }
          },
          "size": {
            "type": "string",
            "description": "Output image size in width*height format.",
            "default": "1024*1024",
            "maximum": 1536
          },
          "seed": {
            "type": "integer",
            "description": "Seed for reproducible output. Use -1 for random.",
            "default": -1
          },
          "num_inference_steps": {
            "type": "integer",
            "description": "Number of inference steps used for generation.",
            "default": 9,
            "minimum": 1
          },
          "guidance_scale": {
            "type": "number",
            "description": "Classifier-free guidance scale. The default value follows the Z-Image Turbo path.",
            "default": 1
          },
          "output_format": {
            "type": "string",
            "description": "Image output format.",
            "default": "png",
            "enum": [
              "png",
              "jpeg",
              "webp"
            ]
          },
          "enable_sync_mode": {
            "type": "boolean",
            "description": "Wait for the result to be generated and uploaded before returning the response. This property is only available through the API.",
            "default": false,
            "disabled": true
          },
          "enable_base64_output": {
            "type": "boolean",
            "description": "Return base64 image data instead of an image URL. This property is only available through the API.",
            "default": false,
            "disabled": true
          }
        },
        "x-order-properties": [
          "model",
          "prompt",
          "loras",
          "size",
          "seed",
          "num_inference_steps",
          "guidance_scale",
          "output_format",
          "enable_sync_mode",
          "enable_base64_output"
        ]
      },
      "LoraWeight": {
        "type": "object",
        "required": [
          "path"
        ],
        "properties": {
          "path": {
            "type": "string",
            "description": "URL or path to the LoRA weights."
          },
          "scale": {
            "type": "number",
            "description": "Scale used before merging the LoRA weights.",
            "default": 1,
            "minimum": 0,
            "maximum": 4
          }
        },
        "x-order-properties": [
          "path",
          "scale"
        ]
      },
      "PredictionResponse": {
        "type": "object",
        "properties": {
          "created_at": {
            "type": "string",
            "format": "date-time",
            "description": "ISO timestamp when the request was created."
          },
          "has_nsfw_contents": {
            "type": "array",
            "description": "NSFW detection result for each output.",
            "items": {
              "type": "boolean"
            }
          },
          "id": {
            "type": "string",
            "description": "Unique prediction id."
          },
          "model": {
            "type": "string",
            "description": "Model id used for the prediction."
          },
          "outputs": {
            "type": "array",
            "description": "Generated image URLs or base64 payloads.",
            "items": {
              "type": "string"
            }
          },
          "status": {
            "type": "string",
            "description": "Task status."
          },
          "urls": {
            "type": "object",
            "description": "Related API endpoints."
          }
        }
      }
    },
    "securitySchemes": {
      "apiKeyAuth": {
        "type": "apiKey",
        "in": "header",
        "name": "Authorization"
      }
    }
  },
  "info": {
    "title": "AtlasCloud API",
    "version": "1.0.0",
    "description": "The AtlasCloud API."
  },
  "openapi": "3.0.0",
  "paths": {
    "/api/v1/model/prediction/{request_id}": {
      "get": {
        "parameters": [
          {
            "in": "path",
            "name": "request_id",
            "required": true,
            "schema": {
              "type": "string",
              "description": "Request ID"
            }
          }
        ],
        "responses": {
          "200": {
            "description": "Result of the request.",
            "content": {
              "application/json": {
                "schema": {
                  "$ref": "#/components/schemas/PredictionResponse"
                }
              }
            }
          }
        }
      },
      "x-api-name": "model_result"
    },
    "/api/v1/model/generateImage": {
      "post": {
        "requestBody": {
          "required": true,
          "content": {
            "application/json": {
              "schema": {
                "$ref": "#/components/schemas/Input"
              }
            }
          }
        },
        "responses": {
          "200": {
            "description": "The request status.",
            "content": {
              "application/json": {
                "schema": {
                  "$ref": "#/components/schemas/PredictionResponse"
                }
              }
            }
          }
        }
      },
      "x-api-name": "model_run"
    }
  },
  "servers": [
    {
      "url": "https://api.atlascloud.ai"
    }
  ]
}

قالب موجه LLM

# z-image/turbo-lora

> Z-Image Turbo text-to-image generation with user-supplied LoRA weights, custom sizes, and reproducible output.


## Overview

- **Submit endpoint (POST)**: `https://api.atlascloud.ai/api/v1/model/generateImage` — start an async generation; returns a `prediction_id`
- **Poll endpoint (GET)**: `https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}` — poll this until the prediction finishes
- **Model ID**: `z-image/turbo-lora`


## API Information

This model can be used via our HTTP API or more conveniently via our client libraries.
See the input and output schema below, as well as the usage examples.


### Input Schema

The API accepts the following input parameters:

- **`model`** (`string`, _required_):
  Model name.
  - Default: `"z-image/turbo-lora"`

- **`prompt`** (`string`, _required_):
  The positive prompt for the generation.

- **`loras`** (`array`, _optional_):
  List of LoRA weights to apply.
  - Default: `[]`
  - Max items: 3

- **`size`** (`string`, _optional_):
  Output image size in width*height format.
  - Default: `"1024*1024"`
  - Max: 1536

- **`seed`** (`integer`, _optional_):
  Seed for reproducible output. Use -1 for random.
  - Default: `-1`

- **`num_inference_steps`** (`integer`, _optional_):
  Number of inference steps used for generation.
  - Default: `9`
  - Min: 1

- **`guidance_scale`** (`number`, _optional_):
  Classifier-free guidance scale. The default value follows the Z-Image Turbo path.
  - Default: `1`

- **`output_format`** (`string`, _optional_):
  Image output format.
  - Default: `"png"`
  - Options: "png", "jpeg", "webp"

- **`enable_sync_mode`** (`boolean`, _optional_):
  Wait for the result to be generated and uploaded before returning the response. This property is only available through the API.
  - Default: `false`

- **`enable_base64_output`** (`boolean`, _optional_):
  Return base64 image data instead of an image URL. This property is only available through the API.
  - Default: `false`



**Required Parameters Example**:

```json
{
  "model": "z-image/turbo-lora",
  "prompt": ""
}
```


**Full Example**:

```json
{
  "model": "z-image/turbo-lora",
  "prompt": "",
  "loras": [],
  "size": "1024*1024",
  "seed": -1,
  "num_inference_steps": 9,
  "guidance_scale": 1,
  "output_format": "png",
  "enable_sync_mode": false,
  "enable_base64_output": false
}
```


### Output Schema

The API returns the following output format:


- **`created_at`** (`string`, _optional_):
  ISO timestamp when the request was created.

- **`has_nsfw_contents`** (`array[boolean]`, _optional_):
  NSFW detection result for each output.

- **`id`** (`string`, _optional_):
  Unique prediction id.

- **`model`** (`string`, _optional_):
  Model id used for the prediction.

- **`outputs`** (`array[string]`, _optional_):
  Generated image URLs or base64 payloads.

- **`status`** (`string`, _optional_):
  Task status.

- **`urls`** (`object`, _optional_):
  Related API endpoints.



**Example Response**:

```json
{
  "created_at": "",
  "has_nsfw_contents": [],
  "id": "",
  "model": "",
  "outputs": [
    ""
  ],
  "status": "",
  "urls": {}
}
```


## Usage Examples

### cURL

```bash
# Step 1: Start generation (async)
curl -X POST "https://api.atlascloud.ai/api/v1/model/generateImage" \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "z-image/turbo-lora",
  "prompt": "",
  "loras": [],
  "size": "1024*1024",
  "seed": -1,
  "num_inference_steps": 9,
  "guidance_scale": 1,
  "output_format": "png",
  "enable_sync_mode": false,
  "enable_base64_output": false
}'

# Response will contain: {"code": 200, "data": {"id": "prediction_id", "status": "processing"}}

# Step 2: Poll for result (replace {prediction_id} with the id returned above)
curl -X GET "https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}" \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY"

# Keep polling until status is "completed", "succeeded" or "failed"
# When completed, outputs will contain the generated content URL(s)
```

## Additional Resources

### Documentation

- [Model Playground](https://www.atlascloud.ai/models/z-image/turbo-lora)

A dramatic cinematic movie poster with dark atmospheric lighting, central silhouette of a lone figure, smoky background, bold large title text “BEYOND THE SHADOWS”, smaller tagline “Every secret has a price”, credit block at bottom, lens flare, professional Hollywood poster style

A hyper-realistic close-up of a giant ramen bowl with a tiny glowing UFO slowly descending onto the noodles, steam rising, rich broth reflections, surreal but delicious-looking detail

An ultra-detailed robot sitting in a quiet garden carefully repairing a broken flower stem with tiny mechanical tools, soft sunlight, beautiful depth of field, metallic and organic textures blending naturally

A photorealistic macro shot of a fragile soap bubble floating in the air, but inside it is a vivid swirling galaxy with stars and nebulae, high detail, cosmic glow, razor-sharp reflections on bubble surface

a gigantic neon-colored snake coiled around a disco stage, mirror-ball scales reflecting rainbow lights, people dancing below, hyper-realistic glitter particles floating through the air

جارٍ التحميل...

Z-Image Turbo - إنشاء الصور من النص بسرعة البرق

جديد

نموذج بـ 6 مليارات معامل من فريق Tongyi-MAI في علي بابا

Z-Image Turbo هو نموذج النص إلى الصورة مفتوح المصدر الأول والمصنف رقم 1، متفوقاً على FLUX.2 [dev] و HunyuanImage 3.0 و Qwen-Image في Artificial Analysis Image Arena. تم بناؤه بواسطة فريق Tongyi-MAI في Alibaba (قسم منفصل عن Qwen/Wan)، يحقق هذا النموذج ذو 6 مليارات معامل إنشاءً في أقل من ثانية من خلال التقطير المتقدم Decoupled-DMD مع الحفاظ على الجودة الواقعية للصور. بخطوات استنتاج 8 فقط، يناسب 16 جيجابايت VRAM ويقدم نتائج احترافية محسّنة لبيئات الإنتاج الحرجة من حيث السرعة.

إنشاء فائق السرعة

8 خطوات استنتاج فقط (مقابل 20-50 للمنافسين)
إنشاء في أقل من ثانية على وحدات GPU H800
أسرع بـ 1.31-1.41× من Qwen Image لكل خطوة
يناسب 16 جيجابايت VRAM (RTX 3060/4090)

جودة واقعية للصور

نموذج مفتوح المصدر رقم 1 في AI Arena
عرض نص ثنائي اللغة (الإنجليزية والصينية)
التزام قوي بالتعليمات
يتفوق على FLUX.1 [dev] و Qwen في جميع الفئات

محفظة النماذج الاستراتيجية لـ Alibaba

تقدم Alibaba ثلاثة أنظمة متخصصة لإنشاء الصور بالذكاء الاصطناعي، كل منها محسّن لحالات استخدام مختلفة

بطل السرعة

Z-Image Turbo

فريق Tongyi-MAI

Best For: أحمال العمل الإنتاجية الحرجة من حيث السرعة

⚡ الأسرع: 8 خطوات، إنشاء في أقل من ثانية
🏆 نموذج مفتوح المصدر رقم 1
💰 الأكثر فعالية من حيث التكلفة ($0.005/صورة)
🎯 محسّن للتكرار السريع

ملك الجودة

Qwen-Image

فريق Qwen

Best For: التصيير النهائي بأقصى جودة

🎨 واقعية للصور وملمس بشرة لا مثيل له
💡 تفاعلات إضاءة متفوقة
⏱️ أبطأ (20 ثانية مقابل 5-10 ثواني لـ Z-Image)
🎯 الأفضل لأعمال الإنتاج الراقية

محترف التنوع

Wan 2.5/2.6

فريق Wan

Best For: تنوع الوسائط المتعددة

🎬 نص إلى فيديو + صورة إلى فيديو
📹 دعم دقة متعددة (480P-720P)
🔄 مزامنة سمعية بصرية
🎯 إنشاء محتوى عبر الأنماط

Key Insight: Z-Image Turbo أسرع بـ 1.31-1.41× من Qwen-Image لكل خطوة، مما يجعله مثالياً للتطبيقات التي تتطلب إنشاءً سريعاً. بينما يقدم Qwen-Image واقعية أفضل قليلاً للصور للتصيير النهائي، يوفر Z-Image Turbo أفضل توازن بين السرعة والجودة لبيئات الإنتاج.

أبرز النقاط التقنية

الأداء

بنية S3-DiT

تتبنى بنية Single-Stream Diffusion Transformer (S3-DiT) التي توحد معالجة المدخلات المشروطة المختلفة. يحقق تصميم 6 مليارات معامل هذا نتائج احترافية دون العبء الحسابي للنماذج الأكبر مع الحفاظ على جودة حديثة.

السرعة

تقطير Decoupled-DMD

خوارزمية التقطير المتقدمة مع آليات CFG Augmentation و Distribution Matching تمكن من استنتاج 8 خطوات (مقابل 20-50 للمنافسين). تحقق إنشاءً في أقل من ثانية على وحدات GPU H800 وتعمل بسلاسة على RTX 3060/4090 الاستهلاكية بـ 16 جيجابايت VRAM.

الجودة

أداء مفتوح المصدر رائد

مصنف كنموذج مفتوح المصدر رقم 1 في Artificial Analysis Image Arena، متفوقاً على FLUX.2 [dev] و HunyuanImage 3.0 و Qwen-Image. يتفوق في عرض النص ثنائي اللغة (الإنجليزية والصينية)، والإنشاء الواقعي للصور، والالتزام القوي بالتعليمات. صدر بموجب ترخيص Apache 2.0 للاستخدام التجاري.

مثالي لـ

🎨

إنشاء الفن الرقمي

📸

تصوير المنتجات

📊

مواد التسويق

🎬

الفن المفاهيمي

📱

محتوى وسائل التواصل الاجتماعي

🖼️

التصوير الفوتوغرافي للمخزون

🎮

أصول الألعاب

✨

النماذج الأولية الإبداعية

لماذا تختار Z-Image Turbo

⚡

نتائج فورية

إنشاء في أقل من ثانية مع زمن وصول بدء بارد صفر. احصل على صورك على الفور دون أي انتظار.

💰

فعال من حيث التكلفة

سعر معقول $0.005 لكل صورة. وسّع مشاريعك الإبداعية دون تجاوز الميزانية.

🔌

API جاهز للاستخدام

تكامل REST API بسيط. ابدأ في إنشاء الصور في دقائق مع وثائقنا الشاملة.

المواصفات التقنية

بنية النموذج6 مليارات معامل

خطوات الاستنتاج8 NFEs (عدد تقييمات الدالة)

سرعة الإنشاءأقل من ثانية على H800، 5-10 ثواني على وحدات GPU الاستهلاكية

متطلبات VRAM16 جيجابايت (متوافق مع RTX 3060/4090)

البنيةمحول انتشار أحادي التدفق (S3-DiT)

طريقة التقطيرDecoupled-DMD مع CFG Augmentation

الترخيصApache 2.0 (الاستخدام التجاري مسموح)

التصنيفرقم 1 مفتوح المصدر على Artificial Analysis Arena

التسعير$0.005 لكل صورة

ابدأ الإنشاء مع Z-Image Turbo

جرب إنشاء الصور الواقعية بسرعة البرق اليوم. لا حاجة للإعداد، فقط اتصل بـ API الخاص بنا وابدأ الإنشاء.

لا توجد عمليات بدء باردة - إنشاء فوري

سعر معقول - $0.005 لكل صورة

نتائج بجودة احترافية

Z-Image-Turbo LoRA — 6B-parameter, ultra-fast text-to-image with custom styles

Z-Image-Turbo LoRA is a personalised version of Tongyi-MAI’s 6B-parameter Z-Image-Turbo model. It keeps the same 8-step, ultra-fast sampler and low VRAM footprint, while letting you plug in up to three LoRA adapters to inject your own styles, characters, or brand identity into each generation.

Ultra-fast generation with LoRA personalisation

Where many diffusion models need dozens of steps, Z-Image-Turbo LoRA stays aggressively optimised around 8 sampling steps. On top of that, it adds LoRA hooks so you can steer the visual style without retraining the base model—perfect for interactive products, dashboards, and large-scale backends that still need a branded look.

Why it looks so good

• Photorealistic output at speed Generates high-fidelity, realistic images suitable for product photos, hero banners, and UI visuals—now with your own LoRA styles layered on top.

• Bilingual prompts and text Understands prompts in English and Chinese, and can render multilingual on-image text, ideal for cross-market campaigns and UI screenshots.

• LoRA-powered customisation Attach up to 3 LoRAs per request to add a specific art style, character look, or brand aesthetics without touching the base weights.

• Low-latency, low-step design Only 8 function evaluations per image deliver extremely low latency, ideal for chatbots, configuration tools, design assistants, and any “type → image” workflow.

• Friendly VRAM footprint Runs well in 16 GB VRAM environments, reducing hardware costs and making local or edge deployments more realistic—even with LoRAs enabled.

• Scales for bulk generation The efficient sampler keeps large jobs—catalogues, continuous feeds, or mass thumbnail generation—practical, even when every image uses one or more LoRAs.

• Reproducible generations A controllable seed parameter lets you recreate previous images or generate small, controlled variations for brand safety and experimentation.

How to use

prompt – natural-language description of the scene, style, and any on-image text (English or Chinese).
size (width / height) – choose the output resolution that fits your use case.
seed – set to -1 for random results, or use a fixed integer to make outputs reproducible.
loras – optional list of up to three LoRA adapters:
path – a LoRA identifier such as <owner>/<model-name> or a direct .safetensors URL.
scale – numeric strength for that LoRA; higher values apply a stronger stylistic effect.

You can click “Add Item” in the loras panel to add 1–3 LoRAs. They are combined during generation, so a single prompt can mix, for example, a character LoRA, a style LoRA, and a brand-colour LoRA.

Pricing

Simple per-image billing:

$0.01 per generated image

استكشف نماذج مماثلة

NEW

أدوات الصور

Face Swap

Swap a face onto any photo. The facial identity is transferred while pose, clothing and background stay intact.

Photo Cleanup

Restore single images by reducing dust, scratches, noise, and repeated micro-texture artifacts without changing the image content.

Openai GPT Image 2 Text-to-Image

GPT Image 2 text to image is OpenAI's fast, cost-efficient text-to-image generator powered by GPT-5 guidance. Create photorealistic shots, product renders, concept art, and stylized graphics from natural-language prompts (optionally conditioned with an image). Supports custom aspect ratios, seeds, negative prompts, hex color hints, and style presets. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Openai GPT Image 2 Edit

GPT Image 2 Edit is OpenAI's image model for precise, natural-language edits. Add/remove objects, swap backgrounds, retouch faces, adjust colors/lighting, edit text/graphics, crop/resize, and apply hex color control. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

GPT Image 2 Developer Edit

GPT Image 2 Developer Edit applies natural-language instructions to one or more reference images, with common aspect ratios and 1k, 2k, or supported 4k output tiers. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

GPT Image 2 Developer Text-to-Image

GPT Image 2 Developer Text-to-Image generates polished visuals from natural-language prompts, with common aspect ratios and 1k, 2k, or supported 4k output tiers. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Seedream v5.0 Pro Edit

ByteDance flagship next-generation image editing model. Supports up to 10 reference images while preserving identity, lighting, and color tones for professional-quality modifications.

Seedream v5.0 Pro Text-to-Image

ByteDance flagship next-generation image generation model with stronger prompt adherence, refined typography, and photorealistic detail. Single-image output at 1.5K and 2K tiers with JPEG and PNG support.

Nano Banana 2 Lite Edit Developer

Google's fastest and most cost-efficient Nano Banana image model for editing, applying natural-language edits and multi-image composition to up to 14 reference images with low latency.

Nano Banana 2 Lite Text-to-Image Developer

Google's fastest and most cost-efficient Nano Banana image model, turning natural-language text prompts into high-quality 1k images in as little as 4 seconds for rapid, high-volume generation.

Nano Banana 2 Lite Edit

Nano banana lite is the efficiency-focused model in the image generation family. Sub-2 second latency with cost-effective generation and editing, fast multi-turn local edits, and 14 supported aspect ratios.

Nano Banana 2 Lite Text-to-image

MAI-Image-2.5-Flash Text-to-image

Microsoft's fast, cost-optimized text-to-image generation model, creating high-quality images at lower cost using the same diffusion-based architecture as MAI-Image-2.5.

From

$0.03/صورة