Z-Image Turbo ガイド：Alibabaの6Bの怪物をComfyUIで動かす（対 FLUX）

AIコミュニティがFLUX.1の重いVRAM要件からまだ立ち直れていない中、東方から新たな挑戦者が現れました。Alibabaの通義（Tongyi）ラボによって開発された Z-Image Turbo は、効率性のルールを書き換えています。

重厚な前任者たちとは異なり、Z-Image Turboは 16GBのコンシューマー向けGPU で快適に動作する 60億（6B）パラメータ のモデルであり、わずか 8 NFE（ステップ） で最先端（SOTA）のビジュアルを提供します。

検索バーで「z image comfyui workflow」がトレンド入りしているのを見ても、あなたは一人ではありません。このガイドでは、インストールから高度なプロンプトエンジニアリングまで、この生成AIの「スピードデーモン」をマスターするためのすべてを解説します。

なぜ Z-Image Turbo がゲームチェンジャーなのか

インストールに入る前に、なぜこのモデルが突然Hugging FaceのTrendingチャートを独占しているのかを見てみましょう。

1. 速度と品質の融合（8ステップ推論）

ほとんどの拡散モデルは、きれいな画像を生成するために20〜50ステップを必要とします。Z-Image Turboは、蒸留された「シングルストリーム拡散Transformer」アーキテクチャを採用しており、わずか 8ステップ でフォトリアルな結果を実現します。

• 結果： H800 GPUでのサブ秒の推論速度、ローカルのRTX 4080でも電光石火の生成速度。

2. 「バイリンガル」テキストマスター

これはZ-Imageのキラー機能です。FLUXは英語のテキストには優れていますが、Z-Image Turboは 中国語のテキストレンダリング に優れています。

• プロンプト： "A sign that says '恭喜発財' (Happy New Year)"
• 結果： SDXLでよく見られる「宇宙人の文字」のようなアーティファクトがなく、完璧にレンダリングされた漢字。

3. 低いVRAMの壁

• FLUX.1 [dev]: スムーズな動作には通常24GB以上のVRAMが必要です。
• Z-Image Turbo (6B): 16GB VRAM カード向けに最適化されています。8ビット量子化を使用すれば、さらにローエンドなハードウェアでも動作し、ハイエンドなAIアートを大衆の手に届くものにします。

ステップバイステップ：Z-Image ComfyUI ワークフローのセットアップ

ユニークなアーキテクチャのため、ComfyUIでのZ-Imageのセットアップは標準的なSDXLモデルとは少し異なります。

前提条件

• ComfyUI: 最新バージョン（Update All）であることを確認してください。
• Manager: まだインストールしていない場合は、「ComfyUI Manager」をインストールしてください。
• VRAM: 最低12GB推奨、最適なパフォーマンスには16GB。

フェーズ1：モデルのインストール

1. Checkpointのダウンロード: Hugging Faceで Z-Image-Turbo-6B.safetensors を検索します。
2. ファイルの配置: それを ComfyUI/models/checkpoints/ フォルダに移動します。
3. VAE: Z-Imageは専用のVAEを使用します。Z-VAE.pt をダウンロードし、models/vae/ に配置してください。

フェーズ2：ワークフローの構築

（リソースセクションに構築済みのJSONがありますが、ここでは手動で構築するためのロジックを説明します）。

1. Checkpointのロード: 標準の Load Checkpoint ノードを使用しますが、Z-Image-Turboを選択します。
2. サンプラー設定（重要）:
   • Steps: 8 に設定します（これ以上高くしても効果は薄れます）。
   • CFG Scale: 1.5〜2.0 程度に低く保ちます。Turboモデルは高CFGで画像が焼き付いてしまいます。
   • Sampler Name: euler_ancestral または dpmpp_2m_sde。
3. 解像度: モデルは複数のアスペクト比でトレーニングされています。標準の 1024x1024 または 896x1152 が最適です。

Z-Image プロンプトガイド：構文をマスターする

Z-Image Turboは、「タグサラダ」（Danbooruタグの羅列）よりも「自然言語」のプロンプトに最もよく反応します。

フォトリアリズム向け

Prompt: "Cinematic shot, extreme close-up of an elderly man with detailed wrinkles, soft lighting, 8k resolution, depth of field."

テキストレンダリング向け

テキスト機能をトリガーするには、引用符を明確に使用します。

Prompt: "A neon sign on a cyberpunk street that reads 'FUTURE' in bright blue letters."

プロのヒント： 中国語のテキストの場合、プロンプトでテキストのスタイル（例：「calligraphy style」（書道スタイル）、「modern font」（現代的なフォント））を明示的に記述してください。

よくあるエラーとトラブルシューティング

Q: 画像が焼けたように見える/彩度が高すぎる。 A: CFG Scaleを確認してください。Z-Image Turboは敏感です。1.5 まで下げてください。また、ステップ数が高すぎないことを確認してください（8〜10がスイートスポットです）。

Q: 12GBカードで「メモリ不足」（OOM）になる。 A: ComfyUIのbatファイルで --fp8_e4m3fn-text-enc または --lowvram 起動引数を使用してください。6Bモデルは効率的ですが、テキストエンコーダーが重い場合があります。

結論：Z-Imageは「FLUXキラー」か？

何かを「キラー」と呼ぶのは大げさですが、Z-Image Turbo は市場の巨大な空白を埋めています。それは軽量なSD1.5と重厚なFLUX.1の間のギャップを埋めるものです。

速度、低いハードウェア要件、または 中国語生成 を必要とするユーザーにとって、Z-Imageは現在、オープンソース界の誰もが認める王者です。もちろん、複雑な認知的推論やマルチターンの指示追従が必要な場合、Nano Banana Pro のようなクローズドソースの巨人が依然としてロジック面で優位に立っています。しかし、ローカル生成に関しては？ Z-Imageの勝利です。

試す準備はできましたか？ 以下の最適化された Z-Image ComfyUI ワークフロー JSON をダウンロードして、数秒で制作を開始しましょう。