Z-Image-Edit：自然语言图像编辑指令怎么写才准，3 组对照讲清楚
【免费下载链接】Z-Image项目地址: https://gitcode.com/gh_mirrors/zi/Z-Image
Z-Image-Edit 是 Z-Image 模型家族里专做图像编辑的变体。你丢进一张照片，用一句话写下自然语言图像编辑指令，它输出一张改完的结果图。它面向手里有 GPU、想把“换背景、改服装、风格迁移”接进自己流程的开发者。本文讲清楚安装步骤、指令跑偏的常见写法，以及多步编辑怎么串。
Z-Image-Edit 具体覆盖哪三类场景
文生图是 Z-Image-Turbo 的主业，Edit 变体则是从 Z-Image 基础上专门针对“按指令修改已有图像”微调出来的，README 的模型表里它对应 50 步推理、启用 CFG 的 Editing 任务。高频用法有三类：
- 换背景：照片里的人保留，原场景整片换成雨后的老街
- 改人：发型和姿势不动，只把卫衣换成米色风衣
- 加元素：远处天空添几只海鸥，构图保持不变
它和基座模型共用单流 DiT（S3-DiT）架构：文本、视觉语义 token 和图像 VAE token 拼接成一条序列，进同一个 transformer，指令理解能力就来自这里。
从克隆到出图，3 条命令
终端里依次执行：
git clone https://gitcode.com/gh_mirrors/zi/Z-Image cd Z-Image pip install -e . python inference.py首次运行会把权重拉进本地ckpts/目录，跑完在根目录生成example.png。默认入口走的是 Z-Image-Turbo 的文生图链路，Edit 变体在 README 的模型表中单列，两者推理参数差别明显：Turbo 是 8 步，Edit 约 50 步且启用 CFG。
模型的结构常量（维度 3840、30 层、30 头）定义在 src/config/model.py。想批量跑，用仓库里的 batch_inference.py 入口，把PROMPTS_FILE环境变量指向一个每行一条指令的 txt 即可。
指令为什么跑偏：模糊 vs 精准 3 组对照
Edit 模型的指令跟随能力很强，但它不会读心。最常见的失败写法是：指令很短，改动含糊，模型只能按自己的理解补全。三组对照：
改天空❌ “把天空弄好看一点” ✅ “天空换成晚霞的橙色渐变，只加一点暖光，前景主体和地面构图保持不变”
换人物服装❌ “把衣服换一下” ✅ “灰色卫衣换成奶油色针织毛衣，发型、姿势和背景保持不变”
加元素❌ “画面丰富一些” ✅ “远处天空加几只海鸥，主体人物的位置和大小保持不变”
两组写法的差别不在字数。模糊写法把“改哪里、改成什么、什么不能动”都留给模型猜，精准写法把这三件事自己填满了。
多步编辑串联：换背景、换装、风格迁移的正确顺序
复杂效果要拆成多轮跑，顺序直接决定结果：
- 先定结构：“把背景换成雨后的老街，人物保留在前景”
- 再改人物：“人物换成米色风衣，发型保持不变”
- 补细节：“远处天空加几只海鸥”
- 风格放最后：“整图改为《撑伞的人》式的印象派笔触，人物位置和比例保持不变”
风格迁移作用在整图上，放在局部修改之前，后面的局部改动就很难再保住。把风格放最后一步，前面的成果才不会被打掉。每一步的指令仍然沿用上一节的“目标 + 改动 + 保持”三件套。
两类常见翻车现场，一句话补救
指令过长、重点被稀释：一句里塞四五件改动，模型往往只执行最前面的那条。补救：每条指令只写一个目标、一个改动，剩下的拆到下一轮。
风格迁移后主体丢失：整图换风格，人脸漂移、身材比例变了。补救：指令末尾追加“人物五官和身体比例保持不变”，给模型一条显式约束。
跑出来的效果
两组官方示例，一组来自 Edit 变体，一组来自带推理增强的文生图链路：
每一行是“原图 → 编辑指令 → 结果”一组，覆盖背景替换、服装更换、元素添加三类改动。
文生图链路上，Prompt Enhancer 会先把短提示词扩展成一段推理过程再交给模型，中英文文字因此能被准确渲染。
还能往哪儿玩
- 一张照片调三种光
- 商品图变海报底图
- 老照片做复古滤镜
- 手绘小人变插画角色
完整实现放在 src/zimage/，模型表和权重入口在 README 里。拿一张自己的照片先试一次换背景，“目标 + 改动 + 保持”这个三件套够你上手了。
【免费下载链接】Z-Image项目地址: https://gitcode.com/gh_mirrors/zi/Z-Image
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
