z-image/turbo

Metin-Görüntü

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.

Girdi

Parametre yapılandırması yükleniyor...

Çıktı

Boşta

Oluşturulan görüntüleriniz burada görünecek

Parametreleri yapılandırın ve oluşturmaya başlamak için Çalıştır'a tıklayın

Her çalıştırma $0.01 maliyete sahip. 10$ ile yaklaşık 1000 kez çalıştırabilirsiniz.

Şununla devam edebilirsiniz:

Görüntüden videoya Görüntüden görüntüye

Parametreler

Kod örneği
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()

Kurulum

Programlama diliniz için gerekli paketi kurun.

bash

pip install requests

Kimlik Doğrulama

Tüm API istekleri, API anahtarı ile kimlik doğrulama gerektirir. API anahtarınızı Atlas Cloud kontrol panelinden alabilirsiniz.

bash

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

HTTP Başlıkları

python

import os

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

API anahtarınızı güvende tutun

API anahtarınızı asla istemci tarafı kodunda veya herkese açık depolarda ifşa etmeyin. Bunun yerine ortam değişkenleri veya arka uç proxy kullanın.

İstek gönder

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())

İstek Gönder

Asenkron bir oluşturma isteği gönderin. API, durumu kontrol etmek ve sonucu almak için kullanabileceğiniz bir tahmin ID'si döndürür.

POST/api/v1/model/generateImage

İstek Gövdesi

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']}")

Yanıt

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

Durumu Kontrol Et

İsteğinizin mevcut durumunu kontrol etmek için tahmin uç noktasını sorgulayın.

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

Sorgulama Örneği

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)

Durum Değerleri

processingİstek hâlâ işleniyor.

completedOluşturma tamamlandı. Çıktılar kullanılabilir.

succeededOluşturma başarılı oldu. Çıktılar kullanılabilir.

failedOluşturma başarısız oldu. Hata alanını kontrol edin.

Tamamlanmış Yanıt

{
  "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"
  }
}

Dosya Yükle

Dosyaları Atlas Cloud depolama alanına yükleyin ve API isteklerinizde kullanabileceğiniz bir URL alın. Yüklemek için multipart/form-data kullanın.

POST/api/v1/model/uploadMedia

Yükleme Örneği

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}")

Yanıt

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

Input Schema

İstek gövdesinde aşağıdaki parametreler kabul edilir.

Toplam: 0Zorunlu: 0İsteğe Bağlı: 0

Kullanılabilir parametre yok.

Örnek İstek Gövdesi

json

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

Output Schema

API, oluşturulan çıktı URL'lerini içeren bir tahmin yanıtı döndürür.

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

Örnek Yanıt

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, 300'den fazla AI modelini doğrudan AI kodlama asistanınıza entegre eder. Kurmak için tek bir komut, ardından görüntü, video oluşturmak ve LLM ile sohbet etmek için doğal dil kullanın.

Desteklenen İstemciler

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ desteklenen i̇stemciler

Kurulum

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

API Anahtarını Ayarla

API anahtarınızı Atlas Cloud kontrol panelinden alın ve ortam değişkeni olarak ayarlayın.

bash

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

Yetenekler

Kurulduktan sonra, tüm Atlas Cloud modellerine erişmek için AI asistanınızda doğal dil kullanabilirsiniz.

Görüntü OluşturmaNano Banana 2, Z-Image ve daha fazla model ile görüntüler oluşturun.

Video OluşturmaKling, Vidu, Veo vb. ile metin veya görüntülerden videolar oluşturun.

LLM SohbetQwen, DeepSeek ve diğer büyük dil modelleri ile sohbet edin.

Medya YüklemeGörüntü düzenleme ve görüntüden videoya iş akışları için yerel dosyaları yükleyin.

Daha fazla bilgi

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server, IDE'nizi Model Context Protocol aracılığıyla 300'den fazla AI modeline bağlar. Herhangi bir MCP uyumlu istemci ile çalışır.

Desteklenen İstemciler

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ desteklenen i̇stemciler

Kurulum

bash

npx -y atlascloud-mcp

Yapılandırma

Aşağıdaki yapılandırmayı IDE'nizin MCP ayarları dosyasına ekleyin.

json

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

Mevcut Araçlar

atlas_generate_imageMetin istemlerinden görüntüler oluşturun.

atlas_generate_videoMetin veya görüntülerden videolar oluşturun.

atlas_chatBüyük dil modelleri ile sohbet edin.

atlas_list_models300'den fazla mevcut AI modelini keşfedin.

atlas_quick_generateOtomatik model seçimi ile tek adımda içerik oluşturma.

atlas_upload_mediaAPI iş akışları için yerel dosyaları yükleyin.

Daha fazla bilgi

github.com/AtlasCloudAI/mcp-server

API Şeması

Şema mevcut değil

İstek geçmişini görüntülemek için oturum açın

Model istek geçmişinize erişmek için oturum açmanız gerekir.

Oturum Aç

Z-Image Turbo - Şimşek Hızında Metin-Görsel Üretimi

YENİ

Alibaba TONGYIMAI'den 6 Milyar Parametreli Model

Z-Image Turbo, Artificial Analysis Image Arena'da FLUX.2 [dev], HunyuanImage 3.0 ve Qwen-Image'ı geride bırakarak 1 numaralı açık kaynak metin-görsel modelidir. Alibaba'nın Tongyi-MAI ekibi (Qwen/Wan'dan ayrı bir bölüm) tarafından geliştirilen bu 6 milyar parametreli model, gelişmiş Decoupled-DMD damıtma ile fotorealistik kaliteyi korurken bir saniyenin altında üretim sağlar. Sadece 8 çıkarım adımı ile 16GB VRAM'e sığar ve hız açısından kritik üretim ortamları için optimize edilmiş profesyonel sonuçlar sunar.

Ultra Hızlı Üretim

Sadece 8 çıkarım adımı (rakiplerde 20-50)
H800 GPU'larda bir saniyenin altında üretim
Qwen Image'dan adım başına 1.31-1.41× daha hızlı
16GB VRAM'e sığar (RTX 3060/4090)

Fotorealistik Kalite

AI Arena'da 1 numaralı açık kaynak model
İki dilli metin oluşturma (İngilizce ve Çince)
Güçlü talimat uyumu
Tüm kategorilerde FLUX.1 [dev] ve Qwen'i yeniyor

Alibaba'nın Stratejik Model Portföyü

Alibaba, her biri farklı kullanım senaryoları için optimize edilmiş üç özel AI görsel üretim sistemi sunuyor

Hız Şampiyonu

Z-Image Turbo

Tongyi-MAI Ekibi

Best For: Hız açısından kritik üretim iş yükleri

⚡ En hızlı: 8 adım, bir saniyenin altında üretim
🏆 1 numaralı açık kaynak model
💰 En uygun maliyetli ($0.005/görsel)
🎯 Hızlı iterasyon için optimize edilmiş

Kalite Kralı

Qwen-Image

Qwen Ekibi

Best For: Maksimum kalitede nihai renderlar

🎨 Eşsiz fotorealizm ve cilt dokuları
💡 Üstün ışık etkileşimleri
⏱️ Daha yavaş (20sn vs Z-Image için 5-10sn)
🎯 Üst düzey üretim çalışmaları için en iyi

Çok Yönlü Profesyonel

Wan 2.5/2.6

Wan Ekibi

Best For: Multimedya çok yönlülüğü

🎬 Metin-Video + Görsel-Video
📹 Çoklu çözünürlük desteği (480P-720P)
🔄 Görsel-işitsel senkronizasyon
🎯 Çapraz modalite içerik üretimi

Key Insight: Z-Image Turbo, Qwen-Image'dan adım başına 1.31-1.41× daha hızlıdır ve hızlı üretim gerektiren uygulamalar için idealdir. Qwen-Image nihai renderlar için biraz daha iyi fotorealizm sunarken, Z-Image Turbo üretim ortamları için hız ve kalite arasında en iyi dengeyi sağlar.

Teknik Öne Çıkanlar

Performans

S3-DiT Mimarisi

Çeşitli koşullu girişlerin işlenmesini birleştiren Single-Stream Diffusion Transformer (S3-DiT) mimarisini benimser. Bu 6 milyar parametreli tasarım, daha büyük modellerin hesaplama yükü olmadan profesyonel sonuçlar elde ederken son teknoloji kaliteyi korur.

Hız

Decoupled-DMD Damıtma

CFG Augmentation ve Distribution Matching mekanizmalarına sahip gelişmiş damıtma algoritması 8 adımlı çıkarımı mümkün kılar (rakiplerde 20-50). H800 GPU'larda bir saniyenin altında üretim sağlar ve 16GB VRAM'li tüketici RTX 3060/4090'da sorunsuz çalışır.

Kalite

Lider Açık Kaynak Performansı

Artificial Analysis Image Arena'da 1 numaralı açık kaynak model olarak sıralanır, FLUX.2 [dev], HunyuanImage 3.0 ve Qwen-Image'ı yener. İki dilli metin oluşturma (İngilizce ve Çince), fotorealistik üretim ve güçlü talimat takibinde mükemmeldir. Ticari kullanım için Apache 2.0 lisansı altında yayınlanmıştır.

Şunlar İçin Mükemmel

🎨

Dijital Sanat Yaratımı

📸

Ürün Fotoğrafçılığı

📊

Pazarlama Materyalleri

🎬

Konsept Sanatı

📱

Sosyal Medya İçeriği

🖼️

Stok Fotoğrafçılığı

🎮

Oyun Varlıkları

✨

Yaratıcı Prototipleme

Neden Z-Image Turbo'yu Seçmeli

⚡

Anında Sonuçlar

Sıfır soğuk başlatma gecikmesi ile bir saniyenin altında üretim. Görsellerinizi hiç beklemeden anında alın.

💰

Uygun Maliyetli

Görsel başına $0.005 uygun fiyat. Bütçenizi aşmadan yaratıcı projelerinizi ölçeklendirin.

🔌

Kullanıma Hazır API

Basit REST API entegrasyonu. Kapsamlı dokümantasyonumuzla dakikalar içinde görsel üretmeye başlayın.

Teknik Özellikler

Model Mimarisi6 Milyar Parametre

Çıkarım Adımları8 NFEs (Fonksiyon Değerlendirme Sayısı)

Üretim HızıH800'de bir saniyenin altı, tüketici GPU'larında 5-10sn

VRAM Gereksinimi16GB (RTX 3060/4090 uyumlu)

MimariSingle-Stream Diffusion Transformer (S3-DiT)

Damıtma YöntemiCFG Augmentation ile Decoupled-DMD

LisansApache 2.0 (Ticari Kullanıma İzin Verilir)

SıralamaArtificial Analysis Arena'da Açık Kaynak 1 Numara

FiyatlandırmaGörsel Başına $0.005

Z-Image Turbo ile Yaratmaya Başlayın

Bugün şimşek hızında, fotorealistik görsel üretimini deneyimleyin. Kurulum gerekmez, sadece API'mizi çağırın ve yaratmaya başlayın.

Soğuk başlatma yok - anında üretim

Uygun fiyat - görsel başına $0.005

Profesyonel kalite sonuçlar

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

Benzer Modelleri Keşfedin

NEW

Metin-Görüntü

TURBO

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.

FREE

Ücretsiz