WaveSpeedAI

Z Image BaseがWaveSpeedAIに登場

Wavespeed Ai Z Image Base を無料で試す
Z Image BaseがWaveSpeedAIに登場

Z-Image Baseを紹介: クリエイティブコントロールのための究極のテキスト画像生成基盤モデル

テキスト画像生成AIの世界に強力な新しい競争者が登場しました。アリババのTongyi Lab（Tongyi-MAI）の60億パラメータ基盤モデルであるZ-Image BaseがWaveSpeedAIで利用可能になりました。蒸留版の姉妹モデルであるZ-Image Turboとは異なり、この完全機能版モデルは完全なCFG（分類器フリーガイダンス）サポートとネガティブプロンプト機能を備えており、プロフェッショナルグレードの画像生成に必要な正確なコントロールをクリエイターに提供します。

Z-Image Baseとは？

Z-Image BaseはアリババのZ-Imageモデルファミリーの非蒸留版基盤モデルです。Z-Image Turboは蒸留によって高速性とのバランスを取るためにユーザーコントロールをトレードオフにしていますが、Z-Image Baseは細粒度のクリエイティブコントロールを可能にする完全な生成機能を保持しています。

革新的なS3-DiT（Single-Stream Diffusion Transformer）アーキテクチャに基づいて構築されたZ-Image Baseは、テキストと画像トークンを別々のストリームではなく統一されたシーケンスで処理します。このアーキテクチャアプローチはパラメータ利用率を改善し、クロスモーダル配置を簡素化し、その結果、例外的なプロンプト準拠と写真リアリスティック出力品質を実現します。

このモデルファミリーはリリース直後にAIコミュニティに波紋を起こし、24時間以内に50万ダウンロードを超え、すぐにHugging Face トレンドリストの頂点に登りました。Z-ImageはArtificial Analysis Text-to-Image Leaderboardで#1のオープンソースモデルとなる栄誉を獲得しました。これは60億パラメータモデルがその数倍のサイズのシステムと競い合う中での顕著な成果です。

主な機能

完全なCFGサポートとネガティブプロンプティング

蒸留モデルが訓練中にガイダンスを「焼き込む」のとは異なり、Z-Image Baseは完全な分類器フリーガイダンスコントロールを提供します。これは以下が可能であることを意味します：

  • ネガティブプロンプトを使用して「ぼやけた、歪んだ、低品質」などの不要な要素を明示的に除外する
  • ガイダンススケールを調整してプロンプト準拠とクリエイティブなバリエーションのバランスを取る
  • 蒸留モデルでは不可能な生成プロセスの正確なコントロールを実現する

参照画像ガイダンス

オプションの参照画像を提供して、生成される出力の構成、スタイル、または主体を影響させることができます。強度パラメータ（0～1）を使用して、参照がどの程度結果に影響するかを正確に調整できます：

  • 低い値（0.2～0.4）: 出力が参照に密接に従う
  • 中程度の値（0.5～0.7）: 参照とプロンプトのバランスの取れたブレンド
  • 高い値（0.8～1.0）: プロンプトが支配的で、参照は緩い参考として機能

ファインチューニング対応

Z-Image Baseは特にコミュニティ主導のファインチューニングとカスタム開発を解放するためにリリースされました。カスタムLoRAアダプターを訓練して、特定のビジュアルスタイル、キャラクター、またはブランドエステティックスを再利用可能なウェイトに符号化します。これにより、パーソナライズされた画像生成システムを構築するための理想的な基盤となります。

バイリンガルテキストレンダリング

Z-Imageの優れた機能の1つは、英語と中国語の両方における堅牢なバイリンガルテキストレンダリングです。業界ベンチマークはポスターとテキスト画像生成タスクで多くの競合他社を上回ることを示しています。

例外的な価値

1画像あたりわずか$0.01で、Z-Image Baseは典型的なコストの数分の一で高級品質を提供します。大量生成、迅速なプロトタイピング、クリエイティブな実験に最適です。

ユースケース

プロフェッショナルなコンテンツ作成

マーケティングチームは、スタイルと構成を正確にコントロールしながら、一貫したブランドイメージを生成できます。参照画像ガイダンスはキャンペーン全体でビジュアル一貫性を確保し、ネガティブプロンプティングは一般的な品質問題を排除します。

カスタムモデル開発

研究者と開発者はZ-Image Baseを専門の微調整モデルの基盤として使用できます。非蒸留アーキテクチャはLoRA訓練とカスタム適応に必要なすべてのフックを保存します。

迅速なプロトタイピング

プロダクトデザイナーとクリエイティブディレクターは、最小限のコストでビジュアルコンセプトを迅速に反復できます。最終デザインをコミットする前に異なる方向を探索するために数十のバリエーションを生成します。

スタイルガイド付き生成

アーティストとイラストレーターは参照画像を使用してシリーズ全体で一貫したエステティックスを維持できます。強度コントロールは参照に従うこととクリエイティブな自由を与えることの間の正確なキャリブレーションを提供します。

バッチコンテンツ制作

コンテンツクリエイター、eコマースチーム、ソーシャルメディアマネージャーは大量の画像を経済的に生成できます。低い1画像あたりのコストと高い品質の組み合わせは、ビジュアルコンテンツ制作をスケーリングするのに理想的です。

WaveSpeedAIで始める

WaveSpeedAIを通じてZ-Image Baseを使用することは簡単です。Python SDKを使用して最初の画像を生成する方法は以下の通りです：

import wavespeed

output = wavespeed.run(
    "wavespeed-ai/z-image/base",
    {
        "prompt": "A majestic snow leopard perched on a Himalayan cliff at golden hour, photorealistic, dramatic lighting",
        "negative_prompt": "blurry, distorted, low quality, oversaturated"
    },
)

print(output["outputs"][0])

参照画像ガイダンスの場合、画像パラメータを追加します：

import wavespeed

output = wavespeed.run(
    "wavespeed-ai/z-image/base",
    {
        "prompt": "Professional headshot in the same style",
        "image": "https://your-reference-image.jpg",
        "strength": 0.6
    },
)

print(output["outputs"][0])

WaveSpeedAIはZ-Image Baseを提供し、期待される性能特性を備えています：高速推論、コールドスタートなし、透明な価格設定。単一のテスト画像を生成するか、自動化されたパイプラインで数千を実行するかにかかわらず、一貫性のある信頼性の高い結果が得られます。

最高の結果を得るためのプロヒント

  1. プロンプトを詳細に記述する: Z-Imageはテキストと画像トークンを単一のストリームで処理するため、文の構造が重要です。明確な空間関係（「横に」「後ろに」「持っている」）を使用して構成をガイドします。

  2. ネガティブプロンプトを活用する: Z-Image Baseは完全なCFGをサポートしているため、ネガティブプロンプトを戦略的に使用します。「ぼやけた、歪んだ、余分な肢、ウォーターマーク」などの一般的な追加は、出力品質を大幅に向上させることができます。

  3. 参照に対して強度0.6から始める: 参照画像を使用する場合、0.6は良好なバランスを提供します。参照マッチングを密接にするために下げ、より多くのプロンプトの創造性のために上げます。

  4. 反復に同じシードを使用する: プロンプトを微調整する際にシードを一定に保って、ゼロから始めることなく特定の構成で反復します。

  5. Prompt Enhancerを有効にする: 組み込みのプロンプト強化ツールは、より良い結果のための説明を自動的に改善できます。

Z-Imageの利点

蒸留モデルの支配が増加する風景では、高速性のためにコントロールを犠牲にしており、Z-Image Baseは真摯なクリエイターが必要とするものを保存することで際立っています。完全なCFGサポート、ネガティブプロンプティング、ファインチューニング機能。主要なベンチマークでの競争力のある性能と非常に手頃な価格設定と組み合わせると、AI生成画像の正確なコントロールが必要な誰にとっても説得力のあるオプションを表します。

Z-Image Baseの力と精度を体験する準備はできていますか？WaveSpeedAIで今すぐ試してくださいそして、この60億パラメータモデルがAI画像生成コミュニティに波紋を起こしている理由を発見してください。