z-image/turbo-lora

Metin-Görüntü

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.

Girdi

Prompt *

Loras

MAKS: 3

Boyut

Genişlik

Yükseklik

1024 × 1024 pxAralık: 256 - 1536

Seed

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.

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-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()

Kurulum

Programlama diliniz için gerekli paketi kurun.

pip install requests

Kimlik Doğrulama

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

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

HTTP Başlıkları

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-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']}")

Yanıt

{
  "code": 200,
  "data": {
    "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: 10Zorunlu: 2İsteğe Bağlı: 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

Örnek İstek Gövdesi

{
  "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

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

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.

Örnek Yanıt

{
  "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, 400'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

npx skills add AtlasCloudAI/atlas-cloud-skills

API Anahtarını Ayarla

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

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 400'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

npx -y atlascloud-mcp

Yapılandırma

Aşağıdaki yapılandırmayı IDE'nizin MCP ayarları dosyasına ekleyin.

{
  "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_models400'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

{
  "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"
    }
  ]
}

LLM Dostu İstem Şablonu

# 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

Yükleniyor...

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 render etme (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 render etme (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)

MimariTek Akışlı Difüzyon 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 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

Benzer Modelleri Keşfedin

NEW

görüntü araçları

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/GÖRÜNTÜ