喂饭级教程！解决生图新体验：ComfyUI本地部署Zimage模型

一、前言

本文记录了在Windows系统上从零开始部署ComfyUI并运行Zimage Turbo轻量化图像生成模型的完整过程。特别适合低显存设备（如6GB显存的RTX 3060）使用，因为Zimage Turbo模型是专为低资源消耗场景优化的。所有操作均经过实测验证，适合初次接触本地AI绘图的新手参考。

为什么是Z-image Turbo模型？

Z-Image 是一个强大且高效的图像生成模型，拥有 60 亿参数。目前提供三种变体：

🚀 Z-Image-Turbo – Z-Image 的蒸馏版，仅用 **8 次函数评估（NFEs）**即可媲美或超越业界领先模型。在 H800 企业级 GPU 上实现 ⚡️次秒级推理延迟⚡️，并可在 16 GB 显存的消费级设备上流畅运行。擅长逼真图像生成、中英双语文字渲染及强指令遵循。
🧱 Z-Image-Base – 未蒸馏的基础模型。发布该检查点旨在释放社区微调与二次开发的全部潜力。
✍️ Z-Image-Edit – 专为图像编辑任务微调的版本。支持基于自然语言提示的创意图生图，指令跟随能力出色，可实现精准编辑。

使用Z-Image Turbo模型

下方提供了一些快速访问和使用的方法

二、硬件与环境要求

1. 系统要求

推荐使用Windows 10或Windows 11系统（64位）

2. GPU要求

NVIDIA显卡（支持CUDA，如RTX 20/30/40系列）
最低显存要求：6GB（使用量化模型）
推荐显存：8GB或以上

3. 内存要求

最低要求：8GB内存
推荐配置：16GB以上内存

4. 存储空间

至少20GB可用空间（用于ComfyUI、模型文件和依赖）

5. Python环境

推荐使用Python 3.10版本
建议通过Anaconda管理Python环境

三、基础环境搭建

1. 安装CUDA Toolkit

CUDA是NVIDIA提供的并行计算平台，ComfyUI需要它来利用GPU进行图像生成。

检查CUDA支持情况

按Win+R，输入cmd打开命令提示符
输入nvidia-smi命令
在输出信息的右上角可以看到驱动支持的最高CUDA版本

安装步骤

访问NVIDIA官方CUDA下载页面：https://developer.nvidia.com/cuda-toolkit
下载与显卡驱动兼容的CUDA版本（建议选择低于等于驱动支持版本的CUDA）
运行安装程序，选择默认安装选项

2. 安装Python环境（推荐Anaconda）

Anaconda安装

访问Anaconda官网：https://www.anaconda.com/download/
下载Windows版本的Anaconda安装包
运行安装程序，按照提示完成安装

创建虚拟环境

bash

conda create -n comfyui_env python=3.10
conda activate comfyui_env

四、安装ComfyUI

1. 克隆ComfyUI仓库

bash

git clone https://github.com/comfyanonymous/ComfyUI.git D:\ComfyUI
cd D:\ComfyUI

注意：路径可以自定义，但请确保路径不含中文或空格

2. 安装依赖

bash

pip install -r requirements.txt

3. 解决PyTorch与CUDA兼容性问题

如果遇到"torch not compiled with CUDA enabled"错误，需要安装与CUDA版本匹配的PyTorch：

bash

pip uninstall torch torchvision torchaudio -y

# 例如，如果安装了CUDA 12.1，使用以下命令
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

4. 验证CUDA是否可用

bash

python -c "import torch; print(torch.cuda.is_available())"

如果输出True，说明CUDA配置成功。

五、下载并配置Zimage模型

1. 模型文件介绍

Zimage Turbo模型由三个主要组件构成：

文件名称	作用	存放目录
qwen_3_4b.safetensors	文本编码器(CLIP)	models/text_encoders/
ae.safetensors	VAE解码器	models/vae/
zImageTurboQuantized_fp8ScaledE4m3fnKJ.safetensors	主模型(Checkpoint)	models/checkpoints/

2. 下载模型文件

可以从HuggingFace下载qwen_3_4b.safetensors和ae.safetensors
从CivitAI下载zImageTurboQuantized_fp8ScaledE4m3fnKJ.safetensors主模型

3. 放置模型文件

按照以下目录结构放置下载的模型文件：

ComfyUI/
├── models/
│   ├── checkpoints/          ← 放置zImageTurboQuantized_xxx.safetensors
│   ├── text_encoders/        ← 放置qwen_3_4b.safetensors
│   └── vae/                  ← 放置ae.safetensors

六、启动ComfyUI并使用Zimage模型

1. 启动ComfyUI

bash

cd D:\ComfyUI
python main.py

启动成功后，会自动在浏览器中打开ComfyUI界面，地址为：http://127.0.0.1:8188

2. 加载Zimage工作流

创建工作流文件

将以下JSON内容保存为zimage_turbo_workflow.json文件：

json

{
  "2": {
    "inputs": {
      "text": "a beautiful landscape, high quality, 8k",
      "clip": ["16", 0]
    },
    "class_type": "CLIPTextEncode",
    "_meta": { "title": "正向提示词" }
  },
  "4": {
    "inputs": {
      "seed": 1065951732236213,
      "steps": 8,
      "cfg": 1,
      "sampler_name": "euler",
      "scheduler": "simple",
      "denoise": 1,
      "model": ["15", 0],
      "positive": ["2", 0],
      "negative": ["9", 0],
      "latent_image": ["5", 0]
    },
    "class_type": "KSampler",
    "_meta": { "title": "K采样器" }
  },
  "5": {
    "inputs": { "width": 768, "height": 768, "batch_size": 1 },
    "class_type": "EmptyLatentImage",
    "_meta": { "title": "空Latent图像" }
  },
  "6": {
    "inputs": { "vae_name": "ae.safetensors" },
    "class_type": "VAELoader",
    "_meta": { "title": "加载VAE" }
  },
  "7": {
    "inputs": { "samples": ["4", 0], "vae": ["6", 0] },
    "class_type": "VAEDecode",
    "_meta": { "title": "VAE解码" }
  },
  "8": {
    "inputs": { "filename_prefix": "ComfyUI", "images": ["7", 0] },
    "class_type": "SaveImage",
    "_meta": { "title": "保存图像" }
  },
  "9": {
    "inputs": {
      "text": "blurry, ugly, bad, lowres, jpeg artifacts, watermark",
      "clip": ["16", 0]
    },
    "class_type": "CLIPTextEncode",
    "_meta": { "title": "反向提示词" }
  },
  "15": {
    "inputs": { "ckpt_name": "zImageTurboQuantized_fp8ScaledE4m3fnKJ.safetensors" },
    "class_type": "CheckpointLoaderSimple",
    "_meta": { "title": "加载模型" }
  },
  "16": {
    "inputs": { "text_encoder_name": "qwen_3_4b.safetensors" },
    "class_type": "TextEncoderLoader",
    "_meta": { "title": "加载文本编码器" }
  }
}

导入工作流

打开ComfyUI网页界面
将zimage_turbo_workflow.json文件拖入ComfyUI界面
系统会自动加载工作流中的所有节点

3. 生成图像

在"正向提示词"节点中输入想要生成的图像描述
在"反向提示词"节点中输入不希望出现在图像中的元素
点击工作流右上角的"Queue Prompt"按钮
等待图像生成完成
生成的图像会显示在界面右侧，可以右键保存

七、优化与排错

1. 低显存设备优化

使用FP8或INT8量化模型版本（如ZimageTurboQuantized）
降低生成图像的分辨率（如从768×768降至512×512）
减少采样步数（可尝试6-8步）

2. 常见问题及解决方案

CUDA内存不足错误

CUDA out of memory

解决方法：降低图像分辨率或切换到更小的模型

模型加载失败

Error loading model: File not found

解决方法：确认模型文件路径正确，文件名与工作流中的设置一致

PyTorch错误

torch not compiled with CUDA enabled

解决方法：重新安装与CUDA版本匹配的PyTorch

八、总结

通过本教程，我们成功地在本地部署了ComfyUI并配置了Zimage Turbo模型。这个轻量级的图像生成解决方案特别适合显存有限的设备，让更多用户能够体验AI生图的乐趣。

在后续的使用过程中，你可以尝试不同的提示词、调整参数设置，探索Zimage模型的各种可能性。如有任何问题，欢迎在评论区讨论交流！

本文参考了博客园文章：在 Windows 上本地部署 ComfyUI + zImage Turbo 模型（低显存友好）

喂饭级教程！解决生图新体验：ComfyUI本地部署Zimage模型 ​

一、前言 ​

为什么是Z-image Turbo模型？ ​

使用Z-Image Turbo模型 ​

二、硬件与环境要求 ​

1. 系统要求 ​

2. GPU要求 ​

3. 内存要求 ​

4. 存储空间 ​

5. Python环境 ​

三、基础环境搭建 ​

1. 安装CUDA Toolkit ​

检查CUDA支持情况 ​

安装步骤 ​

2. 安装Python环境（推荐Anaconda） ​

Anaconda安装 ​

创建虚拟环境 ​

四、安装ComfyUI ​

1. 克隆ComfyUI仓库 ​

2. 安装依赖 ​

3. 解决PyTorch与CUDA兼容性问题 ​

4. 验证CUDA是否可用 ​

五、下载并配置Zimage模型 ​

1. 模型文件介绍 ​

2. 下载模型文件 ​

3. 放置模型文件 ​

六、启动ComfyUI并使用Zimage模型 ​

1. 启动ComfyUI ​

2. 加载Zimage工作流 ​

创建工作流文件 ​

导入工作流 ​

3. 生成图像 ​

七、优化与排错 ​

1. 低显存设备优化 ​

2. 常见问题及解决方案 ​

CUDA内存不足错误 ​

模型加载失败 ​

PyTorch错误 ​

八、总结 ​

喂饭级教程！解决生图新体验：ComfyUI本地部署Zimage模型

一、前言

为什么是Z-image Turbo模型？

使用Z-Image Turbo模型

二、硬件与环境要求

1. 系统要求

2. GPU要求

3. 内存要求

4. 存储空间

5. Python环境

三、基础环境搭建

1. 安装CUDA Toolkit

检查CUDA支持情况

安装步骤

2. 安装Python环境（推荐Anaconda）

Anaconda安装

创建虚拟环境

四、安装ComfyUI

1. 克隆ComfyUI仓库

2. 安装依赖

3. 解决PyTorch与CUDA兼容性问题

4. 验证CUDA是否可用

五、下载并配置Zimage模型

1. 模型文件介绍

2. 下载模型文件

3. 放置模型文件

六、启动ComfyUI并使用Zimage模型

1. 启动ComfyUI

2. 加载Zimage工作流

创建工作流文件

导入工作流

3. 生成图像

七、优化与排错

1. 低显存设备优化

2. 常见问题及解决方案

CUDA内存不足错误

模型加载失败

PyTorch错误

八、总结