z-image/turbo

tekst-do-obrazu

TURBO

Z-Image Turbo API by Alibaba

z-image/turbo

Turbo

Z-Image-Turbo is a 6 billion parameter text-to-image model that generates photorealistic images in sub-second time. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

WEJŚCIE

Ładowanie konfiguracji parametrów...

WYJŚCIE

Bezczynny

Twoje wygenerowane obrazy pojawią się tutaj

Skonfiguruj ustawienia i kliknij Uruchom, aby rozpocząć

Każde uruchomienie będzie kosztować $0.01. Za $10 możesz uruchomić ten model około 1000 razy.

Co możesz zrobić dalej:

Obraz do Wideo Obraz do Obrazu

Parametry

Przykład kodu
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",
    "prompt": "A beautiful landscape with mountains and lake",
    "width": 512,
    "height": 512,
    "steps": 20,
    "guidance_scale": 7.5,
}

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()

Instalacja

Zainstaluj wymagany pakiet dla swojego języka programowania.

bash

pip install requests

Uwierzytelnianie

Wszystkie żądania API wymagają uwierzytelnienia za pomocą klucza API. Klucz API możesz uzyskać z panelu Atlas Cloud.

bash

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

Nagłówki HTTP

python

import os

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

Chroń swój klucz API

Nigdy nie ujawniaj swojego klucza API w kodzie po stronie klienta ani w publicznych repozytoriach. Zamiast tego użyj zmiennych środowiskowych lub proxy backendowego.

Wyślij żądanie

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())

Wyślij żądanie

Wyślij asynchroniczne żądanie generowania. API zwróci identyfikator predykcji, którego możesz użyć do sprawdzania statusu i pobierania wyniku.

POST/api/v1/model/generateImage

Treść żądania

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",
    "input": {
        "prompt": "A beautiful landscape with mountains and lake"
    }
}

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

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

Odpowiedź

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

Sprawdź status

Odpytuj endpoint predykcji, aby sprawdzić bieżący status żądania.

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

Przykład odpytywania

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)

Wartości statusu

processingŻądanie jest wciąż przetwarzane.

completedGenerowanie zakończone. Wyniki są dostępne.

succeededGenerowanie powiodło się. Wyniki są dostępne.

failedGenerowanie nie powiodło się. Sprawdź pole błędu.

Odpowiedź ukończona

{
  "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"
  }
}

Prześlij pliki

Prześlij pliki do magazynu Atlas Cloud i uzyskaj URL, którego możesz użyć w swoich żądaniach API. Użyj multipart/form-data do przesyłania.

POST/api/v1/model/uploadMedia

Przykład przesyłania

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}")

Odpowiedź

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

Schema wejściowy

Następujące parametry są akceptowane w treści żądania.

Łącznie: 0Wymagane: 0Opcjonalne: 0

Brak dostępnych parametrów.

Przykładowa treść żądania

json

{
  "model": "z-image/turbo"
}

Schema wyjściowy

API zwraca odpowiedź predykcji z URL-ami wygenerowanych wyników.

idstringrequired

Unique identifier for the prediction.

statusstringrequired

Current status of the prediction.

processingcompletedsucceededfailed

modelstringrequired

The model used for generation.

outputsarray[string]

Array of output URLs. Available when status is "completed".

errorstring

Error message if status is "failed".

metricsobject

Performance metrics.

predict_timenumber

Time taken for image generation in seconds.

created_atstringrequired

ISO 8601 timestamp when the prediction was created.

Format: date-time

completed_atstring

ISO 8601 timestamp when the prediction was completed.

Format: date-time

Przykładowa odpowiedź

json

{
  "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

Atlas Cloud Skills integruje ponad 300 modeli AI bezpośrednio z Twoim asystentem kodowania AI. Jedno polecenie do instalacji, a następnie używaj języka naturalnego do generowania obrazów, filmów i rozmów z LLM.

Obsługiwani klienci

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ obsługiwani klienci

Instalacja

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

Skonfiguruj klucz API

Uzyskaj klucz API z panelu Atlas Cloud i ustaw go jako zmienną środowiskową.

bash

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

Możliwości

Po zainstalowaniu możesz używać języka naturalnego w swoim asystencie AI, aby uzyskać dostęp do wszystkich modeli Atlas Cloud.

Generowanie obrazówGeneruj obrazy za pomocą modeli takich jak Nano Banana 2, Z-Image i inne.

Tworzenie wideoTwórz filmy z tekstu lub obrazów za pomocą Kling, Vidu, Veo itp.

Chat LLMRozmawiaj z Qwen, DeepSeek i innymi dużymi modelami językowymi.

Przesyłanie mediówPrześlij lokalne pliki do edycji obrazów i przepływów pracy obraz-do-wideo.

Dowiedz się więcej

github.com/AtlasCloudAI/atlas-cloud-skills

Serwer MCP

Serwer MCP Atlas Cloud łączy Twoje IDE z ponad 300 modelami AI za pośrednictwem Model Context Protocol. Działa z każdym klientem kompatybilnym z MCP.

Obsługiwani klienci

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ obsługiwani klienci

Instalacja

bash

npx -y atlascloud-mcp

Konfiguracja

Dodaj następującą konfigurację do pliku ustawień MCP w swoim IDE.

json

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

Dostępne narzędzia

atlas_generate_imageGeneruj obrazy z promptów tekstowych.

atlas_generate_videoTwórz filmy z tekstu lub obrazów.

atlas_chatRozmawiaj z dużymi modelami językowymi.

atlas_list_modelsPrzeglądaj ponad 300 dostępnych modeli AI.

atlas_quick_generateTworzenie treści w jednym kroku z automatycznym wyborem modelu.

atlas_upload_mediaPrześlij lokalne pliki do przepływów pracy API.

Dowiedz się więcej

github.com/AtlasCloudAI/mcp-server

API Schema

Schema niedostępna

Brak dostępnych przykładów

Zaloguj się, aby wyświetlić historię zapytań

Musisz być zalogowany, aby uzyskać dostęp do historii zapytań modelu.

Zaloguj się

Z-Image Turbo - Błyskawiczne Generowanie Tekstu na Obraz

NOWY

Model 6 Miliardów Parametrów od Alibaba TONGYIMAI

Z-Image Turbo to model tekstu na obraz typu open source o najwyższej pozycji #1, przewyższający FLUX.2 [dev], HunyuanImage 3.0 i Qwen-Image w Artificial Analysis Image Arena. Zbudowany przez zespół Tongyi-MAI firmy Alibaba (oddzielny dział od Qwen/Wan), ten model 6 miliardów parametrów osiąga generowanie w czasie poniżej sekundy dzięki zaawansowanej destylacji Decoupled-DMD, zachowując jednocześnie fotorealistyczną jakość. Z zaledwie 8 krokami inferencji mieści się w 16GB VRAM i zapewnia profesjonalne wyniki zoptymalizowane dla środowisk produkcyjnych krytycznych pod względem szybkości.

Ultraszybkie Generowanie

Tylko 8 kroków inferencji (vs 20-50 u konkurencji)
Generowanie w czasie poniżej sekundy na GPU H800
1.31-1.41× szybsze niż Qwen Image na krok
Mieści się w 16GB VRAM (RTX 3060/4090)

Fotorealistyczna Jakość

Model open source #1 w AI Arena
Dwujęzyczne renderowanie tekstu (angielski i chiński)
Solidne przestrzeganie instrukcji
Pokonuje FLUX.1 [dev] i Qwen we wszystkich kategoriach

Strategiczne Portfolio Modeli Alibaba

Alibaba oferuje trzy specjalistyczne systemy generowania obrazów AI, każdy zoptymalizowany pod kątem różnych przypadków użycia

Mistrz Szybkości

Z-Image Turbo

Zespół Tongyi-MAI

Best For: Obciążenia produkcyjne krytyczne pod względem szybkości

⚡ Najszybszy: 8 kroków, generowanie poniżej sekundy
🏆 Model open source #1
💰 Najbardziej opłacalny ($0.005/obraz)
🎯 Zoptymalizowany pod kątem szybkiej iteracji

Król Jakości

Qwen-Image

Zespół Qwen

Best For: Ostateczne renderingi najwyższej jakości

🎨 Niezrównany fotorealizm i tekstury skóry
💡 Doskonałe interakcje świetlne
⏱️ Wolniejszy (20s vs 5-10s dla Z-Image)
🎯 Najlepszy dla prac produkcyjnych wysokiej klasy

Profesjonalista Wszechstronności

Wan 2.5/2.6

Zespół Wan

Best For: Wszechstronność multimedialna

🎬 Tekst na Wideo + Obraz na Wideo
📹 Wsparcie wielorozdzielczości (480P-720P)
🔄 Synchronizacja audiowizualna
🎯 Generowanie treści międzymodalnych

Key Insight: Z-Image Turbo jest 1.31-1.41× szybszy niż Qwen-Image na krok, co czyni go idealnym dla aplikacji wymagających szybkiego generowania. Choć Qwen-Image oferuje nieco lepszy fotorealizm dla ostatecznych renderingów, Z-Image Turbo zapewnia najlepszą równowagę między szybkością a jakością dla środowisk produkcyjnych.

Najważniejsze Aspekty Techniczne

Wydajność

Architektura S3-DiT

Przyjmuje architekturę Single-Stream Diffusion Transformer (S3-DiT), która ujednolica przetwarzanie różnych wejść warunkowych. Ten projekt 6 miliardów parametrów osiąga profesjonalne wyniki bez obciążenia obliczeniowego większych modeli, zachowując jednocześnie najnowocześniejszą jakość.

Szybkość

Destylacja Decoupled-DMD

Zaawansowany algorytm destylacji z mechanizmami CFG Augmentation i Distribution Matching umożliwia inferencję w 8 krokach (vs 20-50 u konkurencji). Osiąga generowanie w czasie poniżej sekundy na GPU H800 i działa płynnie na konsumenckich RTX 3060/4090 z 16GB VRAM.

Jakość

Wiodąca Wydajność Open Source

Zajmuje pozycję #1 modelu open source w Artificial Analysis Image Arena, pokonując FLUX.2 [dev], HunyuanImage 3.0 i Qwen-Image. Wyróżnia się w dwujęzycznym renderowaniu tekstu (angielski i chiński), fotorealistycznym generowaniu i solidnym przestrzeganiu instrukcji. Wydany na licencji Apache 2.0 do użytku komercyjnego.

Idealny Do

🎨

Tworzenia Sztuki Cyfrowej

📸

Fotografii Produktowej

📊

Materiałów Marketingowych

🎬

Sztuki Koncepcyjnej

📱

Treści Social Media

🖼️

Fotografii Stockowej

🎮

Zasobów Gier

✨

Prototypowania Kreatywnego

Dlaczego Wybrać Z-Image Turbo

⚡

Natychmiastowe Wyniki

Generowanie w czasie poniżej sekundy z zerowym opóźnieniem zimnego startu. Otrzymuj swoje obrazy natychmiast bez czekania.

💰

Opłacalny

Przystępna cena $0.005 za obraz. Skaluj swoje kreatywne projekty bez przekraczania budżetu.

🔌

Gotowy do Użycia API

Prosta integracja REST API. Zacznij generować obrazy w kilka minut dzięki naszej kompleksowej dokumentacji.

Specyfikacje Techniczne

Architektura Modelu6 Miliardów Parametrów

Kroki Inferencji8 NFEs (Number of Function Evaluations)

Szybkość GenerowaniaPoniżej sekundy na H800, 5-10s na GPU konsumenckich

Wymaganie VRAM16GB (kompatybilny z RTX 3060/4090)

ArchitekturaSingle-Stream Diffusion Transformer (S3-DiT)

Metoda DestylacjiDecoupled-DMD z CFG Augmentation

LicencjaApache 2.0 (Dozwolone Użycie Komercyjne)

Ranking#1 Open Source w Artificial Analysis Arena

Cennik$0.005 za Obraz

Zacznij Tworzyć z Z-Image Turbo

Doświadcz już dziś błyskawicznego, fotorealistycznego generowania obrazów. Brak konfiguracji, po prostu wywołaj nasze API i zacznij tworzyć.

Brak zimnych startów - natychmiastowe generowanie

Przystępna cena - $0.005 za obraz

Profesjonalne wyniki jakościowe

Z-Image-Turbo — 6B-parameter, ultra-fast text-to-image

Z-Image-Turbo is a 6B-parameter text-to-image model from Tongyi-MAI, engineered for production workloads where latency and throughput really matter. It uses only 8 sampling steps to render a full image, achieving sub-second latency on data-center GPUs and running comfortably on many 16 GB VRAM consumer cards.

Ultra-fast generation with production-ready quality

Where many diffusion models need dozens of steps, Z-Image-Turbo is aggressively optimised around an 8-step sampler. That keeps inference extremely fast while still delivering photorealistic images and reliable on-image text, making it a strong fit for interactive products, dashboards, and large-scale backends—not just offline batch jobs.

Why it looks so good?

Photorealistic output at speed Generates high-fidelity, realistic images that work for product photos, hero banners, and UI visuals without multi-second waits.
Bilingual prompts and text Understands prompts in English and Chinese, and can render multilingual text directly in the image—helpful for cross-market campaigns, posters, and screenshots.
Low-latency, low-step design Only 8 function evaluations per image deliver extremely low latency, ideal for chatbots, configuration tools, design assistants, and any “click → image” experience.
Friendly VRAM footprint Runs well in 16 GB VRAM environments, reducing hardware costs and making local or edge deployments more realistic.
Scales for bulk generation Its efficiency makes large jobs—catalogues, continuous feed images, or auto-generated thumbnails—practical without blowing up compute budgets.
Reproducible generations A controllable seed parameter lets you recreate a previous image 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; supports square and rectangular images up to high resolutions (for example, 1536 × 1536).
seed – set to -1 for random results, or use a fixed integer to make outputs reproducible.

Pricing

Simple per-image billing:

Without prompt rewriting (prompt_extend=false): $0.015 per generated image
With prompt rewriting (prompt_extend=true): $0.03 per generated image

Try more models and see their difference!

Nano Banana Pro – Text-to-Image – Google’s Nano Banana Pro (Gemini 3.0 Pro Image family) delivers high-quality multi-image generation with extremely low cost per image, ideal for large-scale applications.
Seedream V4 – Text-to-Image – ByteDance’s high-resolution text-to-image model with rich detail and diverse styles, well suited for creative illustration and commercial visuals.
FLUX.2 [dev] – Text-to-Image – A lightweight FLUX.2-based base model hosted by AtlasCloud, optimised for efficient inference and LoRA-friendly training.

Paper

Tongyi-MAI/Z-Image-Turbo

Eksploruj Podobne Modele

NEW

tekst-do-obrazu

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.

Baidu ERNIE Image Turbo Text-to-image

A fast, low-latency version of ERNIE Image by Baidu, optimized for rapid iteration and scalable image generation.Balances speed and quality, ideal for real-time and high-throughput scenarios.

Wan-2.7 Pro Image-to-image

Edits and recomposes images with Wan 2.7 image pro using text instructions and multi-image references for higher quality outputs.

From

$0.075/OBRAZ

Zacznij Od 300+ Modeli,

Przeglądaj wszystkie modele

Z-Image Turbo API by Alibaba

WEJŚCIE

WYJŚCIE

Parametry

Przykład kodu

Instalacja

Uwierzytelnianie

Nagłówki HTTP

Wyślij żądanie

Wyślij żądanie

Treść żądania

Odpowiedź

Sprawdź status

Przykład odpytywania

Wartości statusu

Odpowiedź ukończona

Prześlij pliki

Przykład przesyłania

Odpowiedź

Schema wejściowy

Przykładowa treść żądania

Schema wyjściowy

Przykładowa odpowiedź

Atlas Cloud Skills

Obsługiwani klienci

Instalacja

Skonfiguruj klucz API

Możliwości

Serwer MCP

Obsługiwani klienci

Instalacja

Konfiguracja

Dostępne narzędzia

API Schema

Zaloguj się, aby wyświetlić historię zapytań

Z-Image Turbo - Błyskawiczne Generowanie Tekstu na Obraz

Strategiczne Portfolio Modeli Alibaba

Z-Image Turbo

Qwen-Image

Wan 2.5/2.6

Najważniejsze Aspekty Techniczne

Idealny Do

Dlaczego Wybrać Z-Image Turbo

Natychmiastowe Wyniki

Opłacalny

Gotowy do Użycia API

Specyfikacje Techniczne

Zacznij Tworzyć z Z-Image Turbo

Z-Image-Turbo — 6B-parameter, ultra-fast text-to-image

Ultra-fast generation with production-ready quality

Why it looks so good?

How to use

Pricing

Try more models and see their difference!

Paper

Eksploruj Podobne Modele

Openai GPT Image 2 Text-to-Image

Openai GPT Image 2 Edit

Baidu ERNIE Image Turbo Text-to-image

Wan-2.7 Pro Image-to-image

Zacznij Od 300+ Modeli,

Join our Discord community