WaveSpeedAI Z Image Base LoRA现已登陆WaveSpeedAI

用Z-Image Base LoRA在WaveSpeedAI上解锁创意控制

一个模型适配所有需求的时代已经过去。今天，我们很高兴宣布Z-Image Base LoRA现已登陆WaveSpeedAI——这是一个拥有60亿参数的强大文本到图像模型，能将前所未有的创意控制直接交到您的手中。无论是要在营销活动中保持角色一致性、应用品牌特定的美学风格，还是尝试独特的风格组合，Z-Image Base LoRA都能提供专业创意者所需的灵活性。

什么是Z-Image Base LoRA？

Z-Image Base LoRA是通义万相(Tongyi-MAI)享誉业界的Z-Image基础模型的完整版本，由阿里巴巴人工智能研究部门开发。虽然基础Z-Image模型已经能提供卓越的逼真质量和精准的双语文本渲染，但这个启用LoRA的版本增加了一个关键能力：可以同时应用最多三个自定义LoRA适配器。

LoRA（低阶适配）技术通过使在无需完全重新训练的情况下进行微调成为可能，彻底改变了AI定制。LoRA适配器不需要大量的计算资源和庞大的数据集，而是轻量级的附加组件——通常只有几百兆字节——能将特定的风格、角色或美学特质注入到您的生成中。Z-Image Base LoRA接纳了这种高效性，同时提供企业级的输出质量。

主要特性

三重LoRA支持：在单次生成中应用最多三个自定义LoRA适配器。将角色LoRA与风格LoRA和灯光LoRA分层组合，获得单适配器系统无法实现的丰富定制输出。
完整CFG支持：与更快的蒸馏变体不同，Z-Image Base LoRA提供完整的无分类器指导控制和负面提示。这意味着您可以精确指定要在输出中避免的内容——以外科手术般的精准度消除模糊、扭曲或不需要的元素。
灵活的输出尺寸：以任意宽高比生成图像，尺寸可达1024像素。无论您需要方形社交媒体帖子、竖向移动内容还是宽屏横幅，都可以调整宽度和高度以满足确切需求。
内置提示增强工具：集成的提示增强工具会自动改进您的描述以获得更好的结果，弥合您的设想与模型理解之间的差距。
广泛的LoRA生态兼容性：从Civitai和Hugging Face等热门来源加载权重，或使用配套的Z-Image LoRA Trainer创建自己的自定义LoRA。您现有的LoRA库可无缝运行。
卓越的价值：每张图像仅需$0.012，Z-Image Base LoRA使大规模、定制化生成在任何规模的项目中都经济可行。

实际使用案例

大规模角色一致性

营销团队和内容创意者常常难以在整个营销活动中保持角色外观的一致性。使用Z-Image Base LoRA，您可以应用在品牌代言人或发言人身上训练的角色LoRA，确保无论他们出现在海滩场景、办公室环境还是幻想环境中都看起来完全一致。与风格LoRA结合以自动匹配品牌的视觉语言。

品牌身份自动化

企业设计团队可以在其品牌视觉美学——特定的色彩处理、构图风格或纹理特质——上训练LoRA，并将其应用到每次生成。这确保了AI生成的资产符合品牌指南，无需手动干预，大大加快了资产制作工作流程。

艺术风格探索

艺术家和插画家可以分层应用多个风格LoRA来发现新的美学组合。将水彩技法LoRA与赛博朋克主题LoRA和柔和灯光LoRA一起应用，创造出真正独特的东西。三重LoRA支持使得创意探索成为单适配器系统根本无法匹配的体验。

快速原型设计和迭代

产品设计师和创意总监可以快速测试不同的LoRA组合来探索视觉方向。生成成本仅为每张图像$0.012，在WaveSpeedAI上没有冷启动，您可以在几分钟而非几小时内评估数十种风格组合，保持相同种子以比较结果，精确隔离出每个LoRA的贡献。

自定义训练流程

对于需要真正专有风格的组织，Z-Image Base LoRA与WaveSpeedAI上的Z-Image LoRA Trainer配套。在您自己的数据集上训练自定义适配器，然后立即在生产中部署——一个完整的端到端定制管道。

在WaveSpeedAI上入门

在WaveSpeedAI上使用Z-Image Base LoRA只需片刻即可开始。以下是生成您第一张定制图像的方法：

import wavespeed

output = wavespeed.run(
    "wavespeed-ai/z-image/base-lora",
    {
        "prompt": "A professional portrait photograph, studio lighting, high detail",
        "negative_prompt": "blurry, distorted, low quality",
        "loras": [
            {"path": "https://your-lora-url.safetensors", "scale": 0.8}
        ],
        "size": "1024x1024"
    },
)

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