Z-Image-Turbo 現在在 SiliconFlow 上：逼真及雙語文字渲染

2025年12月8日

今天，Z-Image-Turbo—— 阿里巴巴Tongyi 最新的輕量級6B-參數文本到圖像模型——現在在SiliconFlow上可用。通過系統化優化和單流擴散變壓器架構，它可提供逼真的圖像生成及強大的雙語文本渲染，與領先的商業模型相媲美，證明頂級性能並不需要龐大的模型尺寸。

無論您是構建創創意工具、營銷資產還是視覺AI應用程序，Z-Image-Turbo都能提供速度和精度，能夠將您的工作流程提升到新的水平。

使用SiliconFlow的Z-Image-Turbo API，您可以預期：

經濟實惠的定價： Z-Image-Turbo僅需 $0.005/圖像。
極高效率：作為一個簡化模型，它僅需8步驟即可提供頂級性能，相匹甚至超過領先競爭者。
逼真且雙語： 在逼真圖像生成和準確的 英語和中文文本渲染方面表現優異，能夠堅持復雜的指導。
最先進的性能：由進的 單流擴散變壓器架構 支持，在開源模型中達到最先進的結果，在 阿里巴巴AI Arena（基於Elo評估）。

關鍵能力及現實世界性能

不像傳統的基礎模型，依賴於大量參數來達到質量或在特定文化背景中遇到困難，Z-Image 重新定義了效率 並設計來支持：

高效逼真質量

Z-Image-Turbo在生成具有 攝影級真實感 的圖像方面表現出色，展示了對細節、光線和紋理的精確控制。它在保持高保真度的同時，平衡了組合和整體情感的質量。

如下面的示例所示，這個模型能夠以驚人的準確度處理復雜的視覺現象 - 從冰塊內部的光折射，到惟妙惟肖的人物特徵，再到絲綢面料的微光和流動的褶皺。

所有圖像都是使用Z-Image-Turbo在SiliconFlow平台上生成的

優秀的雙語文本渲染

它也能夠準確地渲染英語和中文文本，並保持面部逼真和整體美學構成，結果可媲美頂級的封閉源模型。在海報設計中，它展現了強大的構圖技巧和良好的字體感覺。即使在困難的小字體場景中，它也能渲染出高質量的文本，提供既精確又視覺吸引的設計

如使用Z-Image-Turbo在SiliconFlow平台上生成的海報中顯示，該模型能夠以令人印象深刻的清晰度和風格渲染文本，提供結合準確排版和藝術美學的布局，涵蓋了編輯、逼真及卡通樣式的設計。

豐富的世界知識和文化理解

Z-Image具有豐富的世界知識和多樣的文化概念理解。這使得它能夠準確生成各種主題，包括著名地標、知名人物和特定的現實對象。

如我們的示例所示，該模型能夠捕捉文化元素，如威尼斯狂歡節的服裝和氛圍、威尼斯貢多拉等標誌性物品，以及世界著名地標如埃菲爾鐵塔——所有這些都擁有令人驚訝的準確度和風格一致性。

立即開始使用

探索：在 Z-Image 試試在 SiliconFlow 遊樂場中的效果。
集成：使用我們與OpenAI兼容的API。在SiliconFlow API文檔中探索完整的API規範。

import requests

url = "https://api.siliconflow.com/v1/images/generations"

payload = {
    "model": "Tongyi-MAI/Z-Image-Turbo",
    "prompt": "A small, adorable green frog with big round eyes gently swims through the clear blue ocean water. Sunlight beams down from above, creating shimmering ripples on the frog’s skin and the sandy ocean floor. The frog paddles its tiny legs gracefully, leaving soft trails of bubbles behind. Colorful tropical fish and coral reefs surround it, adding a vibrant and lively atmosphere. The overall style is bright, whimsical, and cinematic, with smooth, fluid motion and a playful, heartwarming mood.",
    "image_size": "1024x1024",
    "seed": 1,
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

print(response.text)