Guides

Guide Z-Image Turbo : ce qu'est Z-Image et comment l'utiliser

Z-Image est le modèle d'image ouvert 6B de Tongyi (Alibaba). Ce qu'est Z-Image Turbo, sa licence, la VRAM requise, les réglages officiels et le prompting.

Par Anna Krejcova — Rédactrice chez FansCreatorPublié le 14 min de lecture
Résumé de l'article
  • Z-Image est une famille de modèles d'image ouverts de 6 milliards de paramètres, développée par l'équipe Tongyi d'Alibaba. Z-Image Turbo est sorti le 26 novembre 2025 et le modèle de base Z-Image le 27 janvier 2026, tous deux sous licence Apache 2.0.
  • Z-Image Turbo génère une image en 8 étapes, tient sur une carte grand public dotée de 16 Go de VRAM et fonctionne avec un guidage à 0 : les prompts négatifs n'ont donc aucun effet sur lui.
  • Réglages officiels de Turbo : 9 étapes dans Diffusers (8 passes du modèle), guidage à 0,0, 1024x1024. Le modèle de base demande 28 à 50 étapes, un guidage de 3,0 à 5,0 et un prompt négatif.
  • Promptez-le avec des descriptions longues et concrètes en anglais ou en chinois, mettez le texte à afficher dans l'image entre guillemets doubles, et évitez les tags comme 8K ou masterpiece (chef-d'œuvre).

Z-Image est une famille de modèles d’image open-weight du Tongyi Lab d’Alibaba, publiée sous le nom Tongyi-MAI. Sa version la plus connue, Z-Image Turbo, génère une image en 8 étapes, tient sur une carte graphique grand public dotée de 16 Go de mémoire vidéo et est publiée sous licence Apache 2.0. Vous pouvez la télécharger sur GitHub, Hugging Face ou ModelScope, l’essayer dans une démo officielle en ligne, ou l’appeler via l’API d’Alibaba Cloud.

Tous les chiffres ci-dessous proviennent du dépôt GitHub officiel, des fiches de modèle Hugging Face, du rapport technique ou de la documentation d’Alibaba Cloud, tous consultés le 5 octobre 2026.

Qu’est-ce que Z-Image ?

Z-Image (造相 en chinois) est un modèle text-to-image de 6 milliards de paramètres. Vous écrivez une description, il renvoie une image. Le site du projet cite la « Z-Image Team, Tongyi MAI, Alibaba Group ». Sur ModelScope, la plateforme de modèles d’Alibaba, l’organisation Tongyi-MAI porte le nom chinois 通义多模态交互, Tongyi Multimodal Interaction.

L’intérêt de Z-Image, c’est sa taille. Son rapport technique note que les grands modèles ouverts comme Qwen-Image, Hunyuan-Image-3.0 et FLUX.2 comptent 20 à 80 milliards de paramètres, ce qui les rend « peu pratiques pour l’inférence et le fine-tuning sur du matériel grand public ». Z-Image vise une qualité comparable avec 6 milliards. Selon le rapport, l’entraînement complet a demandé 314 000 heures de GPU H800, soit environ 630 000 dollars américains.

Il utilise ce que l’équipe appelle un Scalable Single-Stream Diffusion Transformer (S3-DiT) : le texte et l’image entrent dans le modèle en un seul flux au lieu de deux. L’encodeur de texte du dépôt Hugging Face est un modèle de langage Qwen3.

Chronologie des sorties de Z-Image

Date Événement
26 novembre 2025 Sortie de Z-Image Turbo sur Hugging Face et ModelScope
27 novembre 2025 Première version du rapport technique publiée sur arXiv
8 décembre 2025 Z-Image Turbo classé 8e au général et premier des modèles open source dans le classement text-to-image d’Artificial Analysis, selon le README
27 janvier 2026 Sortie de Z-Image, le modèle de fondation complet

Les variantes du modèle Z-Image

Le README GitHub liste quatre variantes. Deux sont téléchargeables ; les deux autres étaient encore marquées « To be released » (à venir) au 5 octobre 2026.

Variante Usage Étapes Guidage (CFG) Statut au 5 oct. 2026
Z-Image Turbo Text-to-image rapide et photoréaliste 8 Non Publiée
Z-Image Modèle de fondation, styles, fine-tuning 28 à 50 Oui Publiée
Z-Image-Omni-Base Base brute pour la génération et l’édition 50 Oui À venir
Z-Image-Edit Édition d’images par instructions textuelles 50 Oui À venir

Turbo est une version distillée de Z-Image. La distillation apprend à un modèle plus petit ou plus rapide à imiter un modèle plus lent, ce qui lui permet de faire moins d’étapes. Le README affirme que Turbo « égale ou dépasse les principaux concurrents avec seulement 8 NFE » (8 passes dans le modèle).

Z-Image ou Z-Image Turbo

La fiche du modèle Z-Image compare directement les deux modèles publiés :

Z-Image Z-Image Turbo
Étapes 28 à 50 8
Guidage (CFG) Oui Non
Prompts négatifs Oui Non
Fine-tuning Oui Non
Diversité d’une seed à l’autre Élevée Faible
Qualité visuelle Élevée Très élevée

En bref : Turbo sert à produire vite des images soignées. Le modèle de base sert au contrôle, à la variété et à l’entraînement de vos propres extensions. La fiche officielle indique que Turbo n’est pas prévu pour le fine-tuning et qualifie le modèle de base de « bonne base pour l’entraînement de LoRA » : entraînez donc vos LoRA sur le modèle de base. Des fine-tunes communautaires de Turbo existent malgré tout : l’arbre des modèles de la page Hugging Face de Turbo recensait plus de 150 fine-tunes et plus de 800 adaptateurs au 5 octobre 2026. Ce ne sont pas des versions officielles.

La licence de Z-Image

Les deux fiches de modèle Hugging Face indiquent la licence Apache 2.0, et le dépôt GitHub contient le fichier de licence Apache 2.0. Apache 2.0 est une licence permissive. Elle autorise l’usage commercial, la modification et la redistribution, à condition de joindre la licence et ses mentions à ce que vous partagez.

La licence couvre le code et les poids, pas les personnes représentées dans vos images ni les règles du site où vous publiez.

Matériel : ce qu’il faut pour faire tourner Z-Image Turbo

Les chiffres officiels sont succincts :

  • Mémoire vidéo : le README indique que Turbo « tient confortablement sur du matériel grand public doté de 16 Go de VRAM ». Le rapport technique parle de « moins de 16 Go de VRAM ».
  • Vitesse : une « latence d’inférence inférieure à la seconde » sur un H800, qui est un GPU de data center. Une carte domestique sera plus lente.
  • Précision : le code d’exemple charge le modèle en bfloat16.
  • Peu de mémoire : le code d’exemple comprend une ligne facultative de déchargement vers le CPU « pour les appareils limités en mémoire ».
  • Espace disque : les fichiers de poids du dépôt Turbo totalisent environ 33 Go.

La liste communautaire du README indique que stable-diffusion.cpp, un moteur d’inférence en C++, peut faire tourner Z-Image « avec seulement 4 Go de VRAM ». Il s’agit d’un outil communautaire, pas de la version officielle.

Comment faire tourner Z-Image Turbo

1. Essayer la démo en ligne

Le moyen le plus rapide de découvrir Z-Image est la démo officielle sur Hugging Face Spaces. ModelScope en héberge une aussi. Aucune installation n’est nécessaire.

Dans la démo Hugging Face, le nombre d’étapes est bloqué à 8 et le curseur « Time Shift » est à 3,0 par défaut. Les préréglages de résolution vont de 1024x1024 à 2048x1152, avec des formats de 1:1 à 21:9. Le code de la démo vérifie chaque prompt pour détecter le contenu inapproprié et passe le résultat dans un filtre de sécurité : c’est donc un outil grand public.

2. Le lancer en Python avec Diffusers

C’est la méthode que la fiche du modèle Turbo documente en détail. Le code d’exemple tourne sur une carte graphique CUDA.

  1. Installez Diffusers depuis les sources : pip install git+https://github.com/huggingface/diffusers. Le README explique que la prise en charge de Z-Image est arrivée par deux pull requests, d’où la nécessité du code le plus récent.
  2. Téléchargez les poids : pip install -U huggingface_hub, puis hf download Tongyi-MAI/Z-Image-Turbo.
  3. Chargez le ZImagePipeline en bfloat16 et placez-le sur le GPU.
  4. Générez avec les réglages officiels.

Le cœur de l’exemple officiel ressemble à ceci :

image = pipe(
    prompt=prompt,
    height=1024,
    width=1024,
    num_inference_steps=9,  # This actually results in 8 DiT forwards
    guidance_scale=0.0,     # Guidance should be 0 for the Turbo models
).images[0]

Les commentaires sont ceux de l’équipe (« cela donne en réalité 8 passes DiT » et « le guidage doit être à 0 pour les modèles Turbo »).

3. Le lancer dans ComfyUI

ComfyUI, l’interface open source à base de nœuds, est une voie courante dans la communauté. La liste communautaire du README comprend un nœud ComfyUI qui configure les résolutions officielles de Z-Image. La page d’exemples de ComfyUI liste trois fichiers pour Z-Image Turbo : l’encodeur de texte qwen_3_4b, le modèle de diffusion z_image_turbo_bf16 et le VAE de Flux 1. Placez chacun dans son dossier de modèles ComfyUI, puis chargez le workflow d’exemple. Utilisez les mêmes réglages que ci-dessous : 8 étapes et guidage désactivé.

4. Lancer le code PyTorch natif

Clonez le dépôt GitHub, installez-le avec pip install -e ., puis lancez python inference.py. Cette méthode utilise le code de l’équipe au lieu de Diffusers.

5. L’appeler via Alibaba Cloud

Alibaba Cloud Model Studio propose z-image-turbo comme modèle hébergé accessible par API. Sa page du modèle indique deux régions, Chine (Pékin) et Singapour, et une limite de 120 requêtes par minute, au 5 octobre 2026. Cette option convient aux applications qui n’ont pas leur propre GPU.

Les réglages recommandés pour Z-Image

Voici les réglages donnés par les fiches de modèle officielles.

Réglage Z-Image Turbo Z-Image (base)
Étapes 9 dans Diffusers (8 passes du modèle) 28 à 50
Échelle de guidage 0,0 3,0 à 5,0
Prompt négatif Non utilisé « Fortement recommandé »
Résolution 1024x1024 dans l’exemple ; préréglages de la démo jusqu’à 2048x1152 De 512x512 à 2048x2048 en surface totale de pixels, tout format
Normalisation du CFG Non utilisée False pour un rendu stylisé, True pour le réalisme
Décalage du scheduler (config du dépôt, 5 oct. 2026) 3,0 6,0

Le guidage à 0 compte pour le prompting. C’est le guidage qui fait fonctionner un prompt négatif : sur Turbo, un prompt négatif n’a donc rien sur quoi agir. Mettez plutôt tout ce que vous voulez dans le prompt principal.

Comment prompter Z-Image

Z-Image comprend les descriptions longues et simples en anglais ou en chinois. Les exemples officiels sont des paragraphes entiers, pas des listes de tags. Le meilleur guide de ce qu’il apprécie est l’optimiseur de prompts de l’équipe elle-même, un modèle dans la démo qui réécrit les prompts courts en prompts complets. Traduit du chinois, il procède dans cet ordre :

  1. Verrouiller l’essentiel. Le sujet, le nombre de personnes ou d’objets, l’action, l’état, les couleurs et tout texte nommé restent exactement tels que demandés.
  2. Ajouter les détails photo. La composition, la lumière et l’ambiance, les matières et les textures, la palette de couleurs et les plans de profondeur.
  3. Mettre le texte entre guillemets. Les mots qui doivent apparaître dans l’image vont entre guillemets doubles anglais, écrits exactement. Pour les affiches et les menus, décrivez aussi la police et la mise en page.
  4. Rester concret. Pas de métaphores, pas de langage émotionnel, et pas de méta-tags comme « 8K » ou « masterpiece » (chef-d’œuvre).

Un prompt construit ainsi se lit comme la description d’une vraie photo (le modèle lit l’anglais et le chinois, l’exemple reste donc en anglais) :

Photo of a woman in her thirties reading at a café window, soft morning light from the left, white ceramic cup on a wooden table, shallow depth of field, street blurred behind the glass, a chalkboard sign on the wall that says “OPEN 8-6”, muted warm colours.

(Photo d’une femme d’une trentaine d’années qui lit à la fenêtre d’un café, douce lumière du matin venant de la gauche, tasse en céramique blanche sur une table en bois, faible profondeur de champ, rue floue derrière la vitre, une ardoise au mur sur laquelle on lit « OPEN 8-6 », couleurs chaudes et sourdes.)

Trois autres conseils découlent des fiches de modèle :

  • Utilisez du texte. Le README met en avant le « rendu de texte bilingue (anglais et chinois) ». Les enseignes, étiquettes et affiches sont un point fort : indiquez les mots entre guillemets.
  • Variez le prompt, pas seulement la seed. La fiche du modèle de base juge faible la diversité de Turbo. Une nouvelle seed donne souvent une image similaire : changez la formulation quand vous voulez une autre composition.
  • Décrivez au lieu d’interdire. Sans prompt négatif sur Turbo, écrivez « natural skin texture with visible pores » (texture de peau naturelle aux pores visibles) plutôt que de lister ce que vous ne voulez pas.

Pour une méthode complète avec les termes d’appareil photo, d’objectif et de lumière, consultez le prompt engineering pour des photos IA réalistes.

Points forts et limites de Z-Image Turbo

Points forts, tels que les décrivent les sources officielles :

  • Le photoréalisme. Le README indique que Turbo « excelle dans la génération d’images photoréalistes ».
  • Le texte dans les images, en anglais et en chinois.
  • Une « adhésion solide aux instructions », selon les termes du README.

Limites à anticiper :

  • Pas de prompts négatifs ni de guidage. Vous ne pilotez Turbo que par le prompt principal.
  • Peu de diversité. C’est l’évaluation de la fiche du modèle elle-même. Bien pour la cohérence de style, moins bien pour explorer des idées.
  • Pas prévu pour le fine-tuning. La fiche officielle le précise pour Turbo ; entraînez vos LoRA sur le modèle de base Z-Image.
  • Pas encore de modèle d’édition officiel. Z-Image-Edit et Z-Image-Omni-Base figuraient encore comme « To be released » au 5 octobre 2026.
  • Aucune mémoire d’une personne. Comme tout modèle text-to-image, chaque génération repart de zéro : le même personnage dérive d’une image à l’autre si vous n’ajoutez pas une méthode de cohérence.
  • Une version grand public. Le rapport technique indique que les données d’entraînement ont été notées pour leur contenu NSFW lors du filtrage, et la démo officielle filtre les prompts.

Z-Image pour les créateurs qui publient sous une seule identité

Les deux dernières limites comptent le plus si vous vendez du contenu, car les abonnés suivent un visage. Les méthodes pour garder un visage stable, de l’entraînement de LoRA aux images de référence, sont comparées dans entraînement de LoRA ou prompts multi-angles.

FansCreator compte Z-Image parmi les modèles qu’il fait tourner, et garde le visage et le corps d’un créateur identiques sur les images et la vidéo.

Pour les créateurs adultes, le générateur d’images IA NSFW et la page Z-Image de FansCreator sont conçus pour le contenu adulte, avec des règles de consentement. Vous téléchargez le résultat et le publiez vous-même.

Quel que soit l’outil, la règle de consentement est la même : uniquement votre propre visage, votre propre persona IA, ou un visage dont le propriétaire vous a donné un consentement que vous pouvez prouver. Les Conditions d’utilisation de FansCreator interdisent tout le reste. Vérifiez ensuite où l’image va être publiée :

  • OnlyFans n’autorise le contenu IA que s’il « met clairement en scène le Créateur vérifié » et porte un label, par exemple #ai (centre d’aide d’OnlyFans). Son guide de modération range parmi les contenus supprimés ceux qui sont « entièrement générés par IA » ou qui « comportent des images fortement modifiées ». Une persona créée de toutes pièces n’y a pas sa place.
  • Fanvue autorise les créateurs entièrement générés par IA, avec une mention IA claire dans la bio, la légende ou un filigrane (centre d’aide de Fanvue).
  • MYM autorise le contenu IA labellisé « Virtual Image », #AI ou #AIgenerated, et ajoute un badge « AI profile » (support MYM).
  • Fansly n’autorise pas le contenu IA photoréaliste, même labellisé (centre d’aide de Fansly).

Si vous créez une persona originale pour Fanvue ou MYM, comment créer un influenceur IA détaille les étapes.

Turbo ou modèle de base : quel Z-Image choisir

Utilisez Z-Image Turbo quand vous voulez des images réalistes rapidement : 8 étapes, guidage à 0, environ 1024x1024 et un prompt long et concret. Utilisez le modèle de base Z-Image quand vous avez besoin de prompts négatifs, de compositions plus variées ou d’une base pour entraîner des LoRA, en acceptant 28 à 50 étapes. Les deux sont sous Apache 2.0, et aucun des deux ne garde une personne cohérente à lui seul.

Questions fréquentes

Qui développe Z-Image ?

Z-Image vient d'Alibaba. Le site du projet cite la Z-Image Team, Tongyi MAI, Alibaba Group, et les modèles sont publiés sous le nom Tongyi-MAI sur GitHub, Hugging Face et ModelScope.

Quelle est la différence entre Z-Image et Z-Image Turbo ?

Z-Image Turbo est une version distillée de Z-Image conçue pour la vitesse : 8 étapes, pas de guidage, pas de prompts négatifs et une qualité visuelle très élevée, mais peu de variété d'une seed à l'autre. Le modèle de base Z-Image demande 28 à 50 étapes, prend en charge le guidage et les prompts négatifs, donne des résultats plus variés et c'est lui qu'il faut fine-tuner.

De combien de VRAM Z-Image Turbo a-t-il besoin ?

Le README officiel indique que Z-Image Turbo tient confortablement dans 16 Go de VRAM sur du matériel grand public, et le rapport technique parle de moins de 16 Go. Le code d'exemple propose aussi un déchargement vers le CPU pour les cartes qui ont moins de mémoire, au prix de la vitesse.

Puis-je utiliser Z-Image à des fins commerciales ?

Oui. Z-Image et Z-Image Turbo sont tous deux publiés sous licence Apache 2.0, qui autorise l'usage commercial, la modification et la redistribution à condition de conserver la licence et les mentions. La licence ne prime ni sur les droits des personnes représentées dans vos images, ni sur les règles de la plateforme où vous publiez.

Quels sont les meilleurs réglages pour Z-Image Turbo ?

La fiche du modèle utilise 9 étapes d'inférence dans Diffusers, soit 8 passes dans le modèle, une échelle de guidage de 0,0, la précision bfloat16 et une résolution de 1024x1024. Pour orienter le résultat, modifiez le prompt plutôt que le guidage.

Sources

Lire en Markdown

Donnez vie à votre prochaine idée.

Créez des images, des vidéos et du contenu pour votre audience avec FansCreator.

Commencer gratuitement