【转载】Google Colab 上部署 Z-image-turbo (造相)
在 AI 绘画领域，我们一直在追求更快的出图速度和更低的硬件门槛。Z-image-turbo（简称 “造相”）是是阿里巴巴通义实验室于 2025 年底基于 Stable Diffusion WebUI 开发、发布的高效图像生成模型，60 亿参数、8 步采样等是其核心特性。它集成了多项加速技术，如 LCM (Latent Consistency Models) 和高效的模型与采样器，旨在实现秒级出图的极速体验。然而，高性能 AI 绘图往往需要强大的本地 GPU 支持。对于许多没有专业显卡的用户来说，这成为了一道门槛。本文将详细指导您如何利用 Google Colaboratory (Colab) 提供的免费或付费云端 GPU 资源，轻松部署 Z-image-turbo，彻底释放其速度潜力。
Z-image-turbo
文生图始终是热点，闭源这边，由 Gemini 3 Pro 驱动的 Nano-Banana Pro，几乎改变了大家对于平面设计的认知；开源方面，Flux 2.0 的开源随让图像生成效果大大提升，但过大的体量（30B+）几乎无法引起社区的关注。所以，Z-image 系列横空出世，6B 的体积以及社区量化版本的快速涌现，是大家真正能 “玩得上、玩得起” 的文生图模型。Z-image 包括多种变体，主要是三个版本：
Z-Image-Turbo：专注于快速推理，能够在低资源设备上高效运行，适合实时应用，支持中英文双语文本渲染（中文表现优异）。
Z-Image-Base：基础模型，适合开发者进行微调和二次开发。
Z-Image-Edit：专为图像编辑任务优化，支持根据自然语言指令进行精确编辑。
Z-image 系列已经设限，但本文示例使用的为社区 4bit 量化版本，支持 NSFW。
准备工作
在开始部署之前，请确保您拥有以下几项准备：
- Google 账号： 用于登录 Google Colab 并挂载 / 使用 Google Drive。
- 网络环境： 稳定的网络连接，以便顺利下载模型和运行环境。
- Hugging Face 账号 (可选但推荐): 如果您需要下载大型模型，拥有一个账号并设置好访问令牌会更方便。
首先，我们点击打开基于 4bit 量化版本 Z-image-turbo 的 jupyter 笔记本文件。
我们在 Google Colab 中，需要为 Z-image 项目分配合适的 GPU 加速资源，这是至关重要的一步：
- 点击打开顶部菜单栏的『修改』菜单， 选择『笔记本设置』。
- 在『笔记本设置』中选择 “T4 GPU” (对于免费用户，这是最佳选择) 或更高的配置（例如 A100，如果订阅了 Pro+）。
- 运行时类型选择 Python 3，点击『保存』。
运行时的修订也可以右上角的『连接』，在下拉菜单中选择『更改运行时类型』。
然后，在确定好提示词之后，就可以点击上方的『全部运行』开始执行顺序执行两个单元格的代码了。
运行与效率
示例不做修改，直接开始运行。需要先安装 z-image-turbo 及必要的依赖。
完成项目部署和依赖安装后，加载 Z-image-turbo，开始进行推理。
因为我们部署的是 4bit 量化版本，效率很高，1 分钟（实际推理耗时 01:07） 1 张图。至于和完全版本的质量差异，作者是无法识别并且不在意的。
结语
本文示例仅仅将量化本的 Z-image-turbo 部署在云端（Google colab），有效解决了本地硬件不足的问题。但是，很显然，我们不可能每次生成图片都需要将整个部署流程都完整跑一边，因此，如果能将 webui 部署到 google colab，通过远程访问公网 url，输入我们的图片生成指令，实时生成、显示、下载才是生产解决方案。我们后续将和大家分享如何将完整的包含 webui.py 的 Z-image-turbo 部署到 google colab，并借助 ngrok 或 cloudflare tunnel 进行内网穿透以提供公网访问的方法。
教程来自老 E