大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



本文是用于演示通过 工具，部署 AI 生图模型到电脑的教程

官方说 Z-Image-Turbo 模型是 Z-Image 的精炼版，能在配置为 16GB GPU 显存（VRAM）中舒适运行。我的电脑显存为 8GB，但是 CPU 内存（RAM）有 32GB（当显存满了后可以适当找 CPU 借用内存，只是会显著降低速度），总的来说跑 Z-Image-Turbo 模型基本还算流畅

主要是在线模型要么收费贵了，要么每日扣嗖嗖的限额次数以及排队令人嫌弃，所以我打算自己部署开源模型到本地，自己随便跑，不花钱又无限制，爽歪歪

果然想挣咱程序员的钱是挺难的哈

周末抽空研究了下本地部署 AI 生图，发现 B 站 ComfyUI 相关的教程虽然多，不过都太罗嗦，并且演示的 ComfyUI 版本过于落后，我也不知道这些 up 为啥清一色的让人安装 git 和 python，并且 git 还非要配置什么环境变量，完了我也没有看到他们在哪里有用到 git 的操作（估计自己也不懂），而且基本全是 up 在评论区提供各种网盘安装包的（你敢提供我还不敢用呢，就不能老老实实提供正经的官网安装方式吗？）

还有 ComfyUI 官方文档也不与时俱进的更新，文档估计都是前几个版本的

先给大家看演示效果

上面的图片都是 Z-Image-Turbo 生成的！太惊艳了！有木有！！！

本来我是打算直接从 github 仓库下载模型部署的

后来了解到 ComfyUI 这玩意已经很成熟了，是目前 AI 圈最火的声明式可视化 Pipeline 编排工具（图形界面）

ComfyUI 内置了许多 AI 模板，我们可以直接使用

它把模型的加载、Clip 编码、采样器、VAE 解码等逻辑封装成了节点（Nodes）。

我们只需要把精力放在使用模型上

大大节约我们的时间和提升工作的效率

官网地址：docs.comfy.org/zh-CN

推荐大家下载 ， 便携版是一个独立封装完整的 ComfyUI Windows 版本，内部已经整合了 ComfyUI 运行所需的独立的 Python(python_embeded)，无需单独安装 Python 环境

并且便携版是免安装版本，下载后只需要解压即可使用

双击 启动 ComfyUI

，因为这个版本是用你的 CPU 跑模型（CPU 的强项是逻辑运算，让它跑 AI 会瞬间满载，发热量巨大，而且速度比显卡慢几十倍甚至上百倍）

run_nvidia_gpu.bat 才是让 GPU 跑模型，别问我是怎么知道的

图片中是我错误的选择了显卡模式为智能，并且用 run_cpu.bat 启动 ComfyUI 运行生图功能的结果，右上角任务进度条是 0，CPU 都快撑爆了，并且温度也快到达极限，风扇狂转。可是 GPU 却不动如山，事不关己高高挂起，现在回顾感觉又好笑又好气是怎么回事 😂

属于 deBuff 拉满了

默默吐槽一下 ComfyUI 官方文档不把 run_cpu.bat 和 run_nvidia_gpu.bat 的区别写清楚，就这两句话谁看懂是个啥意思

运行成功后 ComfyUI 会自动打开你的默认浏览器并访问 http://127.0.0.1:8188 地址

注意：使用过程中请不要关闭对应的命令行窗口，否则 ComfyUI 将会停止运行

如果你是首次双击 run_nvidia_gpu.bat 启动的话，大概率会碰到这个情况

提示我需要更新显卡驱动啦

如果有新版本，它会显示一个巨大的 “下载” 按钮

点击下载

下载完成后，按钮会变成 “安装”，点击安装

安装过程中屏幕可能会黑几秒，那是正常的，别紧张。

现在安装成功了

然后重新双击 即可启动 ComfyUI

操作步骤：模板 -> 所有模板 -> 输入框输入 Z-Image-Turbo -> 点击第一个

如果 ComfyUI 未找到对应的模型会提示下载，并显示缺少的模型以及文件大小

如果没开启梯子的话，模型的文件大小会变成问号

说明什么，说明如果直接点击下载的话，是需要花费你的梯子流量的，别问我是怎么知道的/(ㄒ o ㄒ)/~~

如果你现在挂着梯子的话，

当然，聪明的我立马想到了对策

下面教大家如何用国内流量下载模型

点击 按钮，获取到需要下载的三个模型原始的下载链接：

• z_image_turbo_bf16

  huggingface.co/Comfy-Org/z…

• qwen_3_4b

  huggingface.co/Comfy-Org/z…

• ae

  huggingface.co/Comfy-Org/z…

在国内可以通过下载模型，需要把前面的域名进行更换：将更换为

以下是需要下载的三个模型国内的下载链接：

• z_image_turbo_bf16

  modelscope.cn/models/Comf…

• qwen_3_4b

  modelscope.cn/models/Comf…

• ae

  modelscope.cn/models/Comf…

我已给你转换好了直接用浏览器打开即可下载

不用在意那个（1），是因为我本地已经下载过了，你们首次下载的文件名是不会多这个值的

下载完后将模型文件放在到对应的文件夹，对应的文件夹在哪里？官方文档没写清楚，我自己摸索搞懂的

从前面提示下载模型的界面可以找到线索

z_image_turbo_bf16.safetensors 模型要放在 diffusion_models 文件夹

qwen_3_4b.safetensors 模型要放在 text_encoders 文件夹

ae.safetensors 模型要放在 vae 文件夹

准备工作搞了这么久，现在让我们开始生成图片吧！

操作步骤：模板 -> 所有模板 -> 输入框输入 Z-Image-Turbo -> 点击第一个

输入提示词：生成一只可爱的小猫咪在户外玩耍，点击运行

tip: 分辨率可以先调低一点，跑通后再根据你的显卡配置慢慢提高

不出意外的话会报错，因为我们没有连接图片节点

将左侧的蓝色小圆点拖动到右侧即可连接

连接成功，点击运行，右侧进度条跑完后图片就会生成

在 ComfyUI 左侧菜单栏点击资产，可以看到当前生成的图片，喜欢的话就点击下载

也可以直接去 ComfyUI 安装目录找，所有生成的图片都在 目录下

路径为：“你的 ComfyUI 安装目录”/ComfyUI/output

到底为止，我们已经成功使用 Z-Image 生成图片啦，但是你把提示词变复杂了就会发现，可能效果不是那么令人满意

那是因为我们只是使用的最简单的工作流，是为了快速验证 AI 模型部署成功

下面我们使用 ComfyUI 官方提供的 Z-Image Turbo 示例工作流

comfyanonymous.github.io/ComfyUI_exa…

打开链接，保存图片

将下载的图片直接拖入 ComfyUI 中即可加载 Z-Image Turbo 示例工作流

查看运行后的效果，在资产里面还可以看见生图的耗时，比小猫咪还快一些也

并且中文也没有乱码！这一点是非常棒的！

tip：所有用 ComfyUI 生成的图片，都会带有 metadata 信息，这些信息会包含图片的 workflow 信息，你可以通过这些信息来加载对应的 workflow。

默认只能通过 http://127.0.0.1:8188/ 地址启动 ComfyUI 服务

很明显，这是本机才能访问的ip，那如果我想用另一台电脑或者手机访问ComfyUI服务怎么办呢？

记事本打开 run_nvidia_gpu.bat 脚本文件，末尾加一个参数 --listen 0.0.0.0

它告诉 Python 监听机器上所有的网络接口，而不仅仅是 127.0.0.1。

保存后重启就可以通过局域网 ip + 8188 端口进行访问了

人像生成功能真的太强了，足以以假乱真了 😂

这是提示词

另外给大家分享 github 提示词合集：github.com/camenduru/a…

宝藏仓库！目前为止有一百个 Z-Image-Turbo 生图的提示词，并且有 Z-Image-Turbo，Gemini 和 GPT-4o 三者用同一个提示词生成的效果对比！

这个功能我还没试过，大家自行研究吧，完了能告诉我反馈效果最好哈哈哈

地址：huggingface.co/spaces/Tong…

考虑到有的朋友可能无法访问 huggingface，所以我贴心的把内容复制下来了

在开始之前，总结一下能做的优化操作

1. ：确保电源适配器已插好（不插电跑 AI，性能会缩水）
2. ：需要将显卡模式调整为独显，只有调整之后你的显卡才算生效了，否则就是在消极怠工。不同电脑的界面和调整方式不同，自行搜索如何调整
3. ： 按 win 键 -> 搜“编辑电源计划” -> “更改高级电源设置” -> “处理器电源管理”。 将 “最大处理器状态”从 100% 改为 99%。这样可以强行关闭 CPU 的自动超频（Turbo Boost），温度能瞬间掉下来 10-20°C，而跑 AI 的速度几乎不受影响。
4. ：笔记本电脑买一个普通的钢质散热架（不用吹风那种），如果没有的话拿两个瓶盖或者两本书垫高凑合用，空气流量增加有助于散热降温
5. ：双击 启动 ComfyUI，千万千万别点 run_cpu.bat
6. ： 先在 ComfyUI 里把 Empty Latent Image 的分辨率降到 512x512。确认能跑通、显存能装下，再慢慢往上提。
7. ：在启动 ComfyUI 的快捷方式（bat 文件）里，加入 --lowvram 参数。它会让 ComfyUI 在加载模型时采用“分片加载”策略，这能让它在 8GB 卡上跑得更顺畅。
8. ：运行模型时，可以调低 批量大小，这有助于减少每次推理或训练时的显存需求。

AI 模型运行时，注意观察 CPU 和 GPU 的温度，如果温度异常请及时关闭运行中的 AI 任务，避免烧坏显卡

先写到这里吧，目前为止的内容已经够 ComfyUI 本地部署 Z-Image-Turbo 入门了

如果有人喜欢的话，过两天我再更新 Z-Image-Turbo 进阶使用教程