阿里通义开源 Z-Image-Turbo-Fun-Controlnet-Union

阿里巴巴通义实验室近日正式开源了 z-image-turbo-fun-controlnet-union 模型。

该模型基于单流扩散架构打造，参数量仅为6亿，却能实现媲美真实照片的渲染效果，精细还原皮肤纹理、发丝细节，并在光影美学方面进行了深度优化。作为 Z-Image-Turbo 的高速推理版本，它仅需8步采样即可输出1024×1024分辨率图像，在RTX4080硬件上最快仅需9秒完成生成，同时支持中英文混合提示词输入，大幅提升内容创作效率。

此次发布的 Z-Image-Turbo-Fun-Controlnet-Union 是对 Z-Image-Turbo 的重要升级与扩展。其在模型的6个关键模块中嵌入了 ControlNet 结构，全面兼容 Canny 边缘检测、HED 轮廓提取以及 Depth 深度图等多种控制信号，专为高精度场景设计，如人物姿态精准生成、线稿驱动的建筑可视化等。当前已通过 Python 接口实现集成，ComfyUI 等主流工作流工具的支持正在开发中，即将上线。

核心特性与应用场景

MakeSong

AI音乐生成，生成高质量音乐，仅需30秒的时间

下载

• 多模态控制融合：支持姿态、边缘和深度信息联合输入，实现高保真、无失真的图像生成控制。开发者可快速搭建从草图到成图的自动化流程，广泛适用于电商视觉、影视特效及游戏原型设计等领域。
• 极致轻量与高效：延续 Z-Image-Turbo 的小型化设计，最低仅需6GB显存即可运行，显著低于传统 ControlNet 方案的硬件要求。实测表明，在低端GPU设备上也能以250秒/5步的速度稳定生成，兼顾画质与响应速度。
• 开放生态支持：提供4-bit 量化版本（兼容 MFLUX 等框架），便于部署至 Mac 等消费级终端。此外，Z-Image-Edit 衍生版本进一步增强了对复合编辑指令的理解能力，确保修改后画面整体一致性。

未来，该系列有望与 Z-Image-Base 版本深度融合，构建“生成—编辑—控制”一体化的完整图像创作闭环。

源码地址：点击下载

感谢您的来访，获取更多精彩文章请收藏本站。