XNews

阿里巴巴 Z-Image 模型发布及其功能

阿里巴巴 Z-Image 模型发布及其功能

阿里巴巴发布了 Z-Image 图像模型。

Key insights

Z-Image 被宣布为 60 亿参数的图像模型

阿里巴巴宣布 Z-Image 为一款新的图像生成模型,报告称其拥有 60 亿个参数。发布声明指出,该模型在低于 16GB 的显存下运行,并且在计算资源上仅为领先商业模型的三分之一,达到了接近商业模型的视觉质量。Z-Image-Turbo 在人物、物体、光照和深度方面表现出照片真实的结果,并支持快速生成(8 次采样步骤)高清图像。

人类偏好评估与开源定位

Z-Image 在 AI Arena 上使用 Elo 人类偏好指标进行评估,与领先模型竞争表现良好,并在开源模型中取得了最先进的结果。公告强调相较于国际商业模型的竞争视觉质量,同时体积更小、更高效,定位 Z-Image 为一个具有高人类偏好评分的开放替代方案。

文本渲染和多语言能力的强调

Z-Image 展示了强大的中文和英文文本渲染能力,具有稳定的字体形状、正确的混合语言布局和适合广告和封面的构图。该模型据称能够准确渲染两种语言的文本,并保持排版稳定,没有常见的中文字符生成伪影。

推理、提示增强器和语义理解

Z-Image 包含一个提示增强器,具有“逻辑链”,公告称这使得模型能够理解复杂任务和模糊指令。示例包括视觉上解决经典的头/脚难题,以及生成符合逻辑约束的场景。该模型被描述为能够推理、思考,并理解语义和文化背景,如地标、诗歌和传统中国文化。

编辑和专业模式:Z-Image-Edit 和 Z-Image-Turbo

Z-Image-Edit 被呈现为能够执行复杂的文本编辑命令——同时改变面部表情、环境和光照,同时保持服装颜色和整体一致性。Z-Image-Turbo 被称为在自然光照过渡、真实的皮肤纹理、深度层次和均衡色彩方面接近摄影真实感,达到现实主义与美学质量之间的平衡。

Source posts