z-image/turbo-lora

Texto para Imagem

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.

Entrada

Prompt *

Loras

MÁX: 3

Tamanho

Largura

Altura

1024 × 1024 pxIntervalo: 256 - 1536

Semente

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.

Saída

Inativo

As imagens geradas serão exibidas aqui

Configure os parâmetros e clique em executar para começar a gerar

Cada execução custará $0.01. Com $10 você pode executar aproximadamente 1000 vezes.

Você pode continuar com:

Imagem para Vídeo Imagem para Imagem

Parâmetros

Exemplo de código
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()

Instalar

Instale o pacote necessário para a sua linguagem de programação.

pip install requests

Autenticação

Todas as solicitações de API requerem autenticação por meio de uma chave de API. Você pode obter sua chave de API no painel do Atlas Cloud.

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

Cabeçalhos HTTP

import os

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

Mantenha sua chave de API segura

Nunca exponha sua chave de API em código do lado do cliente ou repositórios públicos. Use variáveis de ambiente ou um proxy de backend.

Enviar uma solicitação

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())

Enviar uma solicitação

Envie uma solicitação de geração assíncrona. A API retorna um ID de predição que você pode usar para verificar o status e obter o resultado.

POST/api/v1/model/generateImage

Corpo da solicitação

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']}")

Resposta

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

Verificar status

Consulte o endpoint de predição para verificar o status atual da sua solicitação.

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

Exemplo de polling

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)

Valores de status

processingA solicitação ainda está sendo processada.

completedA geração está completa. As saídas estão disponíveis.

succeededA geração foi bem-sucedida. As saídas estão disponíveis.

failedA geração falhou. Verifique o campo de erro.

Resposta concluída

{
  "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"
  }
}

Enviar arquivos

Envie arquivos para o armazenamento do Atlas Cloud e obtenha uma URL que pode ser usada nas suas solicitações de API. Use multipart/form-data para enviar.

POST/api/v1/model/uploadMedia

Exemplo de upload

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}")

Resposta

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

Schema de entrada

Os seguintes parâmetros são aceitos no corpo da solicitação.

Total: 10Obrigatório: 2Opcional: 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

Exemplo de corpo da solicitação

{
  "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
}

Schema de saída

A API retorna uma resposta de predição com as URLs de saída geradas.

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.

Exemplo de resposta

{
  "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

O Atlas Cloud Skills integra mais de 400 modelos de IA diretamente no seu assistente de codificação com IA. Um comando para instalar e depois use linguagem natural para gerar imagens, vídeos e conversar com LLM.

Clientes compatíveis

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ clientes compatíveis

Instalar

npx skills add AtlasCloudAI/atlas-cloud-skills

Configurar chave de API

Obtenha sua chave de API no painel do Atlas Cloud e defina-a como variável de ambiente.

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

Funcionalidades

Após a instalação, você pode usar linguagem natural no seu assistente de IA para acessar todos os modelos do Atlas Cloud.

Geração de imagensGere imagens com modelos como Nano Banana 2, Z-Image e mais.

Criação de vídeosCrie vídeos a partir de texto ou imagens com Kling, Vidu, Veo, etc.

Chat com LLMConverse com Qwen, DeepSeek e outros grandes modelos de linguagem.

Upload de mídiaEnvie arquivos locais para fluxos de trabalho de edição de imagens e imagem para vídeo.

Saiba mais

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

O Atlas Cloud MCP Server conecta seu IDE com mais de 400 modelos de IA através do Model Context Protocol. Funciona com qualquer cliente compatível com MCP.

Clientes compatíveis

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ clientes compatíveis

Instalar

npx -y atlascloud-mcp

Configuração

Adicione a seguinte configuração ao arquivo de configuração de MCP do seu IDE.

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

Ferramentas disponíveis

atlas_generate_imageGere imagens a partir de prompts de texto.

atlas_generate_videoCrie vídeos a partir de texto ou imagens.

atlas_chatConverse com grandes modelos de linguagem.

atlas_list_modelsExplore mais de 400 modelos de IA disponíveis.

atlas_quick_generateCriação de conteúdo em uma etapa com seleção automática de modelo.

atlas_upload_mediaEnvie arquivos locais para fluxos de trabalho de API.

Saiba mais

github.com/AtlasCloudAI/mcp-server

API Schema

{
  "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"
    }
  ]
}

Template de Prompt Compatível com 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

Carregando...

Z-Image Turbo - Geração de Texto para Imagem Ultrarrápida

NOVO

Modelo de 6 Bilhões de Parâmetros da Alibaba TONGYIMAI

Z-Image Turbo é o modelo de texto para imagem de código aberto classificado como #1, superando FLUX.2 [dev], HunyuanImage 3.0 e Qwen-Image no Artificial Analysis Image Arena. Construído pela equipe Tongyi-MAI da Alibaba (uma divisão separada de Qwen/Wan), este modelo de 6 bilhões de parâmetros alcança geração em menos de um segundo através de destilação avançada Decoupled-DMD mantendo qualidade fotorrealista. Com apenas 8 passos de inferência, cabe em 16GB VRAM e entrega resultados profissionais otimizados para ambientes de produção críticos em velocidade.

Geração Ultrarrápida

Apenas 8 passos de inferência (vs 20-50 de concorrentes)
Geração em menos de um segundo em GPUs H800
1.31-1.41× mais rápido que Qwen Image por passo
Cabe em 16GB VRAM (RTX 3060/4090)

Qualidade Fotorrealista

Modelo de código aberto classificado #1 no AI Arena
Renderização de texto bilíngue (inglês e chinês)
Aderência robusta a instruções
Supera FLUX.1 [dev] e Qwen em todas as categorias

Portfólio Estratégico de Modelos da Alibaba

A Alibaba oferece três sistemas especializados de geração de imagens IA, cada um otimizado para diferentes casos de uso

Campeão de Velocidade

Z-Image Turbo

Equipe Tongyi-MAI

Best For: Cargas de trabalho de produção críticas em velocidade

⚡ Mais rápido: 8 passos, geração em menos de um segundo
🏆 Modelo de código aberto classificado #1
💰 Mais econômico ($0.005/imagem)
🎯 Otimizado para iteração rápida

Rei da Qualidade

Qwen-Image

Equipe Qwen

Best For: Renderizações finais de máxima qualidade

🎨 Fotorrealismo e texturas de pele incomparáveis
💡 Interações de iluminação superiores
⏱️ Mais lento (20s vs 5-10s para Z-Image)
🎯 Melhor para trabalho de produção de alta qualidade

Profissional Versátil

Wan 2.5/2.6

Equipe Wan

Best For: Versatilidade multimídia

🎬 Texto para Vídeo + Imagem para Vídeo
📹 Suporte multirresolução (480P-720P)
🔄 Sincronização audiovisual
🎯 Geração de conteúdo multimodal

Key Insight: Z-Image Turbo é 1.31-1.41× mais rápido que Qwen-Image por passo, tornando-o ideal para aplicações que requerem geração rápida. Embora Qwen-Image ofereça fotorrealismo ligeiramente melhor para renderizações finais, Z-Image Turbo proporciona o melhor equilíbrio entre velocidade e qualidade para ambientes de produção.

Destaques Técnicos

Desempenho

Arquitetura S3-DiT

Adota a arquitetura Single-Stream Diffusion Transformer (S3-DiT) que unifica o processamento de diversas entradas condicionais. Este design de 6 bilhões de parâmetros alcança resultados profissionais sem a sobrecarga computacional de modelos maiores enquanto mantém qualidade de ponta.

Velocidade

Destilação Decoupled-DMD

Algoritmo de destilação avançado com mecanismos de CFG Augmentation e Distribution Matching permite inferência de 8 passos (vs 20-50 para concorrentes). Alcança geração em menos de um segundo em GPUs H800 e roda suavemente em RTX 3060/4090 de consumo com 16GB VRAM.

Qualidade

Desempenho Líder em Código Aberto

Classificado como modelo de código aberto #1 no Artificial Analysis Image Arena, superando FLUX.2 [dev], HunyuanImage 3.0 e Qwen-Image. Destaca-se em renderização de texto bilíngue (inglês e chinês), geração fotorrealista e seguimento robusto de instruções. Lançado sob licença Apache 2.0 para uso comercial.

Perfeito Para

🎨

Criação de Arte Digital

📸

Fotografia de Produtos

📊

Materiais de Marketing

🎬

Arte Conceitual

📱

Conteúdo de Redes Sociais

🖼️

Fotografia de Stock

🎮

Ativos de Jogos

✨

Prototipagem Criativa

Por Que Escolher Z-Image Turbo

⚡

Resultados Instantâneos

Geração em menos de um segundo com latência de inicialização fria zero. Obtenha suas imagens imediatamente sem esperar.

💰

Econômico

Preço acessível de $0.005 por imagem. Escale seus projetos criativos sem estourar o orçamento.

🔌

API Pronta para Usar

Integração simples de REST API. Comece a gerar imagens em minutos com nossa documentação abrangente.

Especificações Técnicas

Arquitetura do Modelo6 Bilhões de Parâmetros

Passos de Inferência8 NFEs (Número de Avaliações de Função)

Velocidade de GeraçãoMenos de um segundo em H800, 5-10s em GPUs de consumo

Requisito de VRAM16GB (compatível com RTX 3060/4090)

ArquiteturaTransformador de Difusão de Fluxo Único (S3-DiT)

Método de DestilaçãoDecoupled-DMD com CFG Augmentation

LicençaApache 2.0 (Uso Comercial Permitido)

Classificação#1 de Código Aberto no Artificial Analysis Arena

Preço$0.005 por Imagem

Comece a Criar com Z-Image Turbo

Experimente geração de imagens fotorrealistas ultrarrápida hoje. Sem configuração necessária, apenas chame nossa API e comece a criar.

Sem inicializações frias - geração instantânea

Preço acessível - $0.005 por imagem

Resultados de qualidade profissional

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

Explorar Modelos Semelhantes

NEW

ferramentas de imagem

Face Swap

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

ferramentas de imagem

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/imagem