Digiti «1girl, solo, masterpiece, best quality» in Z-Image Turbo e ti chiedi perché l'output sembri generico. Quella sintassi di prompt era costruita per Stable Diffusion. Z-Image parla un linguaggio completamente diverso.
Sotto il cofano, è un diffusion transformer a flusso singolo da 6 miliardi di parametri (S3-DiT) che processa i token di testo e immagine in un'unica sequenza unificata. Invece di analizzare tag separati da virgole, legge il tuo prompt come un essere umano legge una frase.
Di seguito: cosa si aspetta il modello, una formula di prompt riutilizzabile e cinque prompt che puoi adattare per le tue generazioni.
Perché le vecchie abitudini di prompting non funzionano qui
Se hai passato mesi a rifinire il tuo workflow su Stable Diffusion – sintassi a tag, prompt negativi pesanti, ritocchi al guidance scale – Z-Image Turbo ti sembrerà poco familiare. Tre cose sono fondamentalmente diverse.
Il modello comprende le frasi. Z-Image è stato addestrato su caption in linguaggio naturale in inglese e cinese contemporaneamente. Scrivi una descrizione, non una lista della spesa.
Il numero di step conta meno di quanto penseresti. La variante Turbo è stata distillata per 8 step di campionamento – quello è il punto ottimale di produzione. Portarlo a 40 può introdurre artefatti a griglia invece di migliorare la qualità. Usa 4 step per test A/B rapidi, 8 per l'output finale.
E il guidance scale? Non lo tocchi. La distillazione Turbo (Decoupled-DMD) ha incorporato la guida direttamente nei pesi, quindi il tuo prompt fa tutto l'indirizzamento.
La formula di prompt in 6 parti
Ogni prompt solido per Z-Image segue lo stesso scheletro. Non ti servono tutte e sei le parti ogni volta, ma conoscere la struttura completa ti aiuta a diagnosticare i risultati deboli.
Soggetto – chi o cosa, con dettagli specifici. Età, abbigliamento, capelli, accessori. Per soggetti multipli, descrivi ciascuno separatamente.
Scena – dove succede. Z-Image ha una solida conoscenza geografica, specialmente di località dell'Asia orientale ed europea. «Una stretta viuzza secondaria di Shibuya a mezzanotte con vapore che sale da un negozio di ramen» dà un output più coerente di «strada giapponese di notte».
Composizione – tipo di inquadratura, framing, rapporto di aspetto. Il modello risponde al linguaggio della fotocamera: «medium shot», «close-up», «wide-angle». Specifica una lunghezza focale se vuoi controllo – «85mm f/1.4» produce un'immagine diversa da «24mm f/2.8».
Illuminazione – la singola variabile che influisce di più sull'output di Z-Image. «Luce nuvolosa morbida e diffusa» e «three-point studio lighting» producono risultati drammaticamente diversi. Nomina la sorgente, la sua direzione, la sua qualità.
Stile – scegli UN medium dominante. «Fotografia su pellicola analogica» oppure «illustrazione anime cel-shaded» oppure «dipinto a olio con pennellate visibili». Mescolare tre stili alla volta confonde qualunque modello.
Vincoli – cosa NON deve comparire. Poiché i prompt negativi funzionano diversamente qui (vedi sotto), inserisci i tuoi vincoli direttamente: «niente watermark, niente testo extra, anatomia corretta».
Il punto ottimale è 30-120 parole di descrizione strutturata in linguaggio naturale.
Prompt negativi: meno è meglio
La pipeline open-source vanilla ignora i prompt negativi del tutto perché la guida è impostata a zero. Attraverso la pipeline di FilmoTvor.AI, i prompt negativi VENGONO onorati – ma funzionano diversamente rispetto a SD 1.5.
La regola: sii specifico, sii minimale. Due o tre difetti concreti che vedi davvero nelle tue generazioni. «Arti extra, testo deformato» è utile. Il classico muro di testo «low quality, blurry, bad anatomy, worst quality, jpeg artifacts, ugly» fa attivamente danni – distrae il modello senza migliorare l'output.
Un caso limite importante: se hai bisogno di impedire che compaiano caratteri cinesi (o viceversa), metti quell'istruzione nel prompt POSITIVO. «Solo testo in inglese, niente caratteri cinesi sul cartello» funziona meglio come direzione positiva che come vincolo negativo.
Il superpotere bilingue
Gran parte degli sviluppatori lo salta del tutto. Z-Image renderizza caratteri CJK e testo latino in modo leggibile nella stessa immagine. Chiedi a FLUX di renderizzare kanji e ottieni rumore visivo – Z-Image legge entrambi gli scritti e produce tipografia pulita.
Pensa a etichette di prodotto che mescolano giapponese e inglese, o insegne al neon con caratteri cinesi e latini. Se la tua app serve mercati multilingua, questo è il motivo per scegliere Z-Image.
Per usarlo, metti il testo esatto che vuoi renderizzare tra virgolette dentro il tuo prompt: il cartello riporta "夜市 / NIGHT MARKET". Descrivi la tipografia separatamente – «caratteri rossi in grassetto al neon in alto, font inglese più sottile sotto». Il modello gestisce entrambi gli scritti con rendering coerente.
5 prompt che puoi copiare subito
Ogni prompt punta a un diverso caso d'uso. Tutti testati a 8 step, risoluzione 1024×1024.
1. Ritratto editoriale
Un quieto ritratto editoriale di una donna giapponese di 28 anni con corti capelli neri a caschetto e leggere lentiggini, indossa un cappotto di lana oversize color beige sopra una dolcevita bianca, in piedi davanti a un muro minimalista di calcestruzzo nel quartiere Aoyama di Tokyo durante una pioggerella, soffice luce nuvolosa diffusa, gocce di pioggia sulle spalle del cappotto, ripreso con Sony A7R IV con 85mm f/1.4 GM, scarsa profondità di campo, palette di colori fredda e smorzata, emulazione pellicola Fujifilm Pro 400H, umore calmo e contemplativo.
Perché funziona: Nominare un corpo macchina specifico e un'emulazione di pellicola ancora l'intera palette di colori. La descrizione del meteo («durante una pioggerella, gocce di pioggia sul cappotto») dà a Z-Image spunti atmosferici che gestisce eccezionalmente bene.
Prova a cambiare: Sostituisci «Fujifilm Pro 400H» con «Kodak Portra 800» per passare da toni freddi e smorzati a una grana più calda.
2. Scatto di prodotto con etichetta bilingue
Packshot commerciale di un barattolo premium di tè matcha: alluminio spazzolato cilindrico con un'etichetta minimalista verde smeraldo che riporta «UJI MATCHA 宇治抹茶» in tipografia mista kanji giapponese e latina, leggere goccioline di condensa sulla superficie, appoggiato su una superficie in legno di noce scuro lucidato, due fruste di bambù sparse e una ciotola chawan in ceramica riempita a metà di schiuma di matcha verde brillante a sinistra, soffice luce softbox dall'alto con un rim light dorato dall'alto a destra, ombra pulita, sfondo neutro con gradiente grigio medio, ripreso con Phase One IQ4 con macro 80mm a f/9, fotografia commerciale alimentare.
Perché funziona: Questo mette alla prova il più forte elemento distintivo di Z-Image – il rendering bilingue del testo. I kanji 宇治抹茶 e il latino «UJI MATCHA» compaiono in modo leggibile sulla stessa etichetta. Gran parte dei modelli open-source fallisce completamente questo test.
Prova a cambiare: Sostituisci il prodotto con il tuo – la formula (oggetto + superficie + oggetti di scena + illuminazione + fotocamera) si trasferisce direttamente a qualunque packshot.
3. Banner per social media (16:9)
Un'ampia panoramica cinematografica di un fotografo solitario in piedi sul bordo di una spiaggia vulcanica di sabbia nera in Islanda, drammatiche colonne di basalto che emergono dall'oceano nel piano medio, onde bianche che si infrangono contro scogli scuri, cielo nuvoloso argentato con una singola apertura di luce dorata all'orizzonte, ripreso con obiettivo grandangolo 24mm, f/8, profonda profondità di campo, toni freddi desaturati con accento caldo sui rilievi, fotografia editoriale di paesaggio.
Perché funziona: L'istruzione grandangolare 24mm combinata con «profonda profondità di campo» dice al modello di mantenere nitida l'intera scena – fondamentale per i banner in cui contano sia primo piano che sfondo. Z-Image gestisce le texture geologiche (basalto, sabbia bagnata, spruzzo oceanico) con forte dettaglio. Esegui questo a 1536×640 per una vera panoramica cinematografica.
Prova a cambiare: Imposta la risoluzione a 1280×720 per una miniatura YouTube standard 16:9, o 720×1280 per una Instagram Story.
4. Insegna al neon con testo bilingue
Una viuzza secondaria di Shanghai piovosa a mezzanotte, un'insegna al neon verticale appesa a un muro di mattoni, l'insegna brilla con caratteri rossi e rosa in grassetto «夜市 / NIGHT MARKET» – caratteri cinesi in alto, traduzione inglese sotto in un font al neon più sottile, riflessi sull'asfalto bagnato, grana di pellicola cinematografica, scarsa profondità di campo 35mm f/1.4, toni cyberpunk smorzati, malinconica foschia atmosferica, un passante silhouette che si allontana a destra, palette di colori ispirata a Wong Kar-wai.
Perché funziona: Due scritti, due stili tipografici, renderizzati in modo coerente in un'unica immagine. La «palette di colori ispirata a Wong Kar-wai» è una scorciatoia sorprendentemente efficace – Z-Image comprende gli stili registici come riferimenti di colore e umore.
Prova a cambiare: Sostituisci «Shanghai» con «Taipei» o «Hong Kong» per sfondi architettonici distintamente diversi mantenendo la stessa estetica al neon.
5. Anime / Illustrazione
Una ricca illustrazione anime cel-shaded nello stile delle produzioni dello studio KyoAni: una studentessa di scuola superiore in uniforme estiva bianca in piedi su una passerella ferroviaria sopraelevata all'ora dorata, che guarda giù verso i binari del treno, vento che le soffia tra i lunghi capelli castani, warm backlight a contorno sulla sua silhouette, nuvole di cotone in un cielo con gradiente dall'arancione al rosa, dettagli disegnati a mano, morbide sbavature di colore, composizione centrata a mezzo busto.
Perché funziona: Nominare uno stile di studio specifico («KyoAni») fissa un'estetica precisa senza copiare un singolo titolo. Gli spunti atmosferici – backlight all'ora dorata, vento tra i capelli, cielo a gradiente – sono tratti distintivi iyashikei che Z-Image interpreta con forte fedeltà. Questo prompt dimostra anche che Z-Image gestisce l'illustrazione stilizzata bene quanto il fotorealismo.
Prova a cambiare: Scambia «KyoAni» con «Makoto Shinkai» per ottenere illuminazione più drammatica e cieli saturi, oppure «ispirata a Ghibli» per un tratto più morbido e pittorico.