Z-Image 參考圖像指南：在保持構圖的同時更改風格

嘿，我是 Dora。你知道嗎？我有時候能生成出一張很棒的圖，但之後卻無法再重現它。同樣的提示詞，需求略有不同，結果風格完全不同。我想要更穩定的掌控感，不需要什麼模板，只要一些引導框架就好。

就是在那時，我花了一週時間深入研究 Z-Image 的參考圖像引導功能。不是因為它有多炫，而是它承諾了一件簡單的事：從種子圖像中保留重要元素，同時讓模型自由探索。以下是我希望一開始就能看到的筆記——它實際使用起來的感受、哪裡會出問題，以及那些發揮最大作用的靜默設定。

什麼是參考圖像引導

參考圖像引導（有時稱為 img2img 條件控制或參考條件控制）讓你可以在文字提示詞之外，同時向模型輸入一張真實圖像。模型會以該輸入圖像作為錨點——根據你調整的參數，可以是風格、構圖、色彩搭配或結構——同時仍然聆聽你的文字指令。

在實際使用中，我把 Z-Image 的參考圖像當作「定調工具」。我不要求它做所有事。我用它來降低我在意的那些方面的隨機性（姿態、色調、版面），其餘的交給提示詞處理。

與純文字生成圖像的差異

我用相同的提示詞測試了兩種方式——一次不加圖像，一次加入參考圖。沒有圖像時，我得到了各種有趣的結果：有的有氛圍，有的很平淡，有幾張根本無法使用。當我加入參考圖像（一張我用手機拍的簡單桌面場景）後，模型保留了桌面的佈局、柔和的日光感，甚至連木紋質感都在，同時還把我要求替換的物件換掉了。這不像是「被鎖住」，更像是被溫和地約束。

純文字適合用來探索。但當你需要可重複性（廣告活動變體、產品角度、投影片視覺效果）時，參考圖像能削減隨機性。我在這方面減輕了最多的心智負擔：重跑次數更少，提示詞的折騰也更少。

參考圖像的影響範圍

參考圖像可以影響不同的層面：

• 整體構圖：相機角度、主體位置、負空間。
• 風格線索：光線、紋理密度、色彩溫度。
• 局部結構：輪廓、姿態、產品外形。

讓我驚訝的是：即使我在文字中沒有描述那些細節，參考圖像的影響也會顯現出來。如果你的參考圖有強烈的頂光，你的輸出結果可能也會繼承這個特點，除非你在提示詞中加以抵消（例如「柔和側光，柔化高光」）。

「強度」參數詳解

不同系統對它的命名各異（strength、fidelity、image 的 guidance scale 等）。含義相似：數值越低，越貼近參考圖；數值越高，束縛越鬆。如果你同時在調整文字影響力，這篇 Z-Image CFG 最佳設定 的分析與強度調整搭配效果很好。

以下是我在約 60 次生成中觀察到的各範圍表現。你的結果可能有所不同，模型之間有差異，但曲線的形狀趨勢通常是一致的。

0.2–0.4：強參考引導（維持原始圖像）

在 0.2–0.4 範圍內，Z-Image 的參考圖像就像濕水泥一樣。模型會保留構圖、光線，甚至細微的紋理。如果我用文字指定「把筆記本換成平板」，它通常會執行，但平板會出現在筆記本原來的確切位置。適合用於：

• 產品換色
• 小幅道具替換
• 標籤或包裝更新

摩擦點：如果文字要求進行參考圖無法支持的結構性改動，就會出現瑕疵。例如：在 0.3 的強度下，試圖在相同姿態中把合蓋的筆電換成開蓋的，結果得到了彎曲的幾何形狀。遇到這種情況，我要麼把強度稍微調高，要麼換一張姿態相容的參考圖。

0.4–0.6：平衡區間

這是我日常使用最多的範圍。在 0.5 時，模型保留場景的骨架，但重寫細節時不那麼費力。構圖保持住，物件可以稍微移動，光線可以變柔或變暖。這種一致性足以讓一組相關圖像看起來是同系列，而不是彼此的複製品。

有個方法很有幫助：在提示詞中明確指出要保留什麼。加上「保持桌面角度和日光；把馬克杯換成玻璃杯；加入植物，淺景深」這樣的提示詞後，效果更乾淨。中等強度 + 明確保留項目的組合，比模糊的形容詞更有效。

0.6–0.8：弱引導（更有創意）

在這個範圍，參考圖變成了建議，而非規則。模型可以自由改變相機角度、增刪元素，有時甚至更新風格。我用 0.7 來做情緒板擴展：相同氛圍，但換了新的空間。大約 30–40% 的輸出結果仍然呼應了原圖的色調。

注意事項：這個範圍更容易誤讀小型產品特徵（接口、縫合圖案），除非你在文字中加以強調或提供更高解析度的參考圖。我曾在袋子上發現奇怪的縫線，也在設備上見過錯誤的倒角。可以修正，但值得留意。

0.8–1.0：幾乎忽略參考圖像

超過約 0.8，我把參考圖當作上次會議留下的一個印象。它可能認出顏色或大致輪廓，但也就這樣了。有時候這就夠了——如果我只是想要「保持溫暖的木質感」，0.85 能在開放新角度的同時做到這一點。

但在正式製作工作中，我不會在這裡待太久。這更接近純文字生成，只是多了一點微小的提示。當我到達 0.9 時，通常是因為我一開始就選錯了參考圖，只想提取其中的色調。通常還是選一張更好的參考圖、把強度調回 0.5 更有效。

API 實作

我用簡單的 requests 設定和一個小型封裝器測試了 API 呼叫。我偏好從原始 HTTP 開始，因為這樣能清楚看出哪些是必要的，哪些是可選的雜訊。

如果你剛開始接觸參考條件控制，建議掃一遍提供者文件，了解他們如何定義 strength 以及使用什麼預設值。關於類似工作流程的背景知識，我發現 Hugging Face Diffusers 的 image-to-image 和 ControlNet 指南很有幫助。名稱不同，概念是一樣的。

傳遞「image」參數的方式

在我嘗試過的大多數 API 中，參考圖像可以用以下幾種方式傳遞：

• 公開 URL（原型開發最快，注意壓縮問題）
• Base64 編碼的 data URI（可靠，稍微囉嗦）
• Multipart 上傳（適合本地文件，讓你掌控 EXIF/品質）

我通常傳送 PNG 或高品質 JPEG，長邊約 1024 像素。太小會讓細節模糊；太大則多付頻寬費用，效果卻沒有更好。如果 API 支援多張參考圖，先從一張開始。一次疊加太多會讓信號相互抵消。

Python 程式碼範例

以下是我使用的最精簡模式。刻意保持簡單，方便你自行調整。把端點和金鑰替換成你的提供者的設定。

暂时无法在飞书文档外展示此内容

實際應用場景

風格轉換

我用一張乾淨的產品照作為參考，並要求「以柔和膠片風格拍攝的工作室人像，光暈效果，光線自然過渡」。在 0.45 強度下，模型保留了產品的輪廓，並將光線變得更有電影感，沒有扭曲邊緣。當我把強度降到 0.25 時，它緊貼原本的工作室強光——不錯，但風格化程度不夠。如果你想要更大膽的風格，往 0.6 靠，並加入 2–3 個具體的風格關鍵詞。超過這個數量就會變成雜訊。

產品圖像變體

為了刷新一個落地頁，我需要八個角度的圖，它們應該像兄弟姊妹，而不是複製品。我拍了一個整齊的場景，並將它用作所有提示詞的 Z-Image 參考圖像。強度設為 0.5，讓所有圖片的顆粒感和白平衡保持一致，同時允許我旋轉物件、加入手部，或替換背景道具。每張圖節省的時間不多（大概兩分鐘），但免去了「為什麼這張看起來差那麼多？」的心理負擔，這才是真正的解脫。

概念示意圖優化

示意圖是參考引導悄悄發光的地方。我在 Figma 裡勾勒了一個版面——方塊、箭頭、鬆散的標籤——匯出 PNG 後作為參考圖使用。在 0.4 強度下，我可以描述風格（「極簡、柔和灰色線條、淡色強調色」），模型就能保留結構。這省去了一輪反覆修改。如果某個標籤位置不對，我直接調整原始的 Figma 文件重新跑，而不是費力地調整提示詞。

最佳實踐

• 從乾淨的參考圖開始。 校正水平，去除雜亂，規範化曝光。模型複製的東西比你想像的多。
• 根據任務選擇強度。 0.5 是安全的第一站：往下調提高保真度，往上調鼓勵探索。
• 告訴它要保留什麼。 簡短明確的保留項目（「保持角度和色調」）能減少偏移。
• 根據需求匹配解析度。 長邊約 1024 像素是大多數 API 的實用預設值。
• 小步迭代。 每次只改一件事（提示詞調整或強度），這樣才能看清因果關係。
• 調整時設定種子值。 完成調整後再取消，以增加多樣性。
• 注意累積偏差。 如果你一直把輸出結果當作下一次的參考圖，風格可能會逐漸僵化。定期回到原始圖或中性基準圖。
• 對於團隊協作，保存這三樣東西： 參考圖像、提示詞文字、以及數值強度。未來的你會感謝現在的你。

如果你被各種承諾魔法的工具包圍，這是其中比較低調的那種。它不會替你做審美決策，只是穩住你的手。我在某個午後的一次跑圖中注意到了這一點：同樣的桌面，同樣的光線，猶豫卻少了許多。不是什麼大時刻，但它留了下來。