Zadáte do Z-Image Turbo „1girl, solo, masterpiece, best quality“ a divíte sa, prečo výstup pôsobí genericky. Tá syntax promptu bola stvorená pre Stable Diffusion. Z-Image hovorí úplne iným jazykom.
Pod kapotou je to 6-miliardový jednoproudový difúzny transformér (S3-DiT), ktorý spracováva textové a obrazové tokeny v jednej zjednotenej sekvencii. Namiesto parsovania čiarkou oddelených tagov číta váš prompt tak, ako človek číta vetu.
Nižšie: čo model očakáva, opakovane použiteľný vzorec promptu a päť promptov, ktoré môžete prispôsobiť pre vlastné generovanie.
Prečo tu staré zvyky v promptovaní prestávajú fungovať
Ak ste strávili mesiace doladením svojho pracovného toku so Stable Diffusion – syntax v štýle tagov, ťažké negatívne prompty, ladenie guidance scale – Z-Image Turbo vám bude pripadať neznámy. Tri veci sú fundamentálne iné.
Model rozumie vetám. Z-Image bol trénovaný na popisoch v prirodzenom jazyku v angličtine a čínštine súčasne. Píšte opis, nie nákupný zoznam.
Počet krokov znamená menej, než by ste čakali. Varianta Turbo bola destilovaná na 8 krokov vzorkovania – to je produkčná zlatá stredná cesta. Vytočenie na 40 môže zaviesť mriežkové artefakty namiesto zlepšenia kvality. Použite 4 kroky na rýchle A/B testovanie, 8 na finálny výstup.
Čo guidance scale? Na to nesiahate. Destilácia Turbo (Decoupled-DMD) zapiekla guidance priamo do váh, takže všetok smer určuje váš prompt.
6-dielny vzorec promptu
Každý silný Z-Image prompt nasleduje rovnakú kostru. Nemusíte mať všetkých šesť častí zakaždým, ale poznanie celej štruktúry vám pomôže diagnostikovať slabé výsledky.
Subjekt – kto alebo čo, s konkrétnymi detailmi. Vek, oblečenie, vlasy, doplnky. Pri viacerých subjektoch opíšte každý zvlášť.
Scéna – kde sa to deje. Z-Image má silné geografické znalosti, obzvlášť pre východoázijské a európske lokácie. „Úzka zadná ulička v Shibuye o polnoci s parou stúpajúcou z ramen shopu“ dáva súvislejší výstup než „japonská ulica v noci“.
Kompozícia – typ záberu, rámovanie, pomer strán. Model reaguje na kamierový jazyk: „stredný záber“, „detail“, „širokouhlý objektív“. Pre kontrolu špecifikujte ohniskovú vzdialenosť – „85mm f/1.4“ produkuje iný obrázok než „24mm f/2.8“.
Osvetlenie – jediná premenná, ktorá najviac ovplyvňuje výstup Z-Image. „Mäkké rozptýlené zamračené svetlo“ a „trojbodové štúdiové osvetlenie“ produkujú dramaticky odlišné výsledky. Pomenujte zdroj, jeho smer, jeho kvalitu.
Štýl – vyberte SI JEDEN dominantný médiálny štýl. „Analogová filmová fotografia“ alebo „cel-shaded anime ilustrácia“ alebo „olejomaľba s viditeľnými ťahmi štetca“. Miešanie troch štýlov naraz akýkoľvek model pomiate.
Obmedzenia – čo sa NESMIE objaviť. Keďže negatívne prompty tu fungujú inak (viac nižšie), zabudujte svoje obmedzenia priamo: „bez vodoznaku, bez extra textu, správna anatómia“.
Zlatá stredná cesta je 30–120 slov štruktúrovaného opisu v prirodzenom jazyku.
Negatívne prompty: menej je viac
Vanilla open-source pipeline ignoruje negatívne prompty úplne, pretože guidance je nastavená na nulu. Cez pipeline FilmoTvor.AI sa negatívne prompty REŠPEKTUJÚ – ale fungujú inak než v SD 1.5.
Pravidlo: buďte konkrétny, buďte minimálny. Dva-tri konkrétne defekty, ktoré vo svojich generáciách skutočne vidíte. „Extra končatiny, skreslený text“ je užitočné. Klasická stena textu „nízka kvalita, rozmazané, zlá anatómia, najhoršia kvalita, jpeg artefakty, škaredé“ aktívne škodí – odvádza pozornosť modelu bez zlepšenia výstupu.
Jeden dôležitý hraničný prípad: ak potrebujete zakázať výskyt čínskych znakov (alebo naopak), dajte túto inštrukciu do POZITÍVNEHO promptu. „Iba anglický text, bez čínskych znakov na ceduli“ funguje lepšie ako pozitívny smer než negatívne obmedzenie.
Dvojjazyčná superpower
Väčšina vývojárov to úplne preskakuje. Z-Image rendruje CJK znaky a latinský text čitateľne v tom istom obrázku. Požiadajte FLUX o rendrovanie kandži a dostanete vizuálny šum – Z-Image číta obe písma a produkuje čistú typografiu.
Pomyslite na produktové etikety kombinujúce japončinu a angličtinu, alebo neonové reklamy s čínskymi a latinskými znakmi. Ak vaša aplikácia obsluhuje viacjazyčné trhy, to je dôvod na výber Z-Image.
Na použitie dajte presný text, ktorý chcete renderovaný, do úvodzoviek vo svojom prompte: ceduľa nesie nápis "夜市 / NIGHT MARKET". Typografiu opíšte zvlášť – „tučné červené neonové znaky hore, tenšie anglické písmo dole“. Model zvláda obe písma s konzistentným rendrovaním.
5 promptov, ktoré môžete skopírovať hneď teraz
Každý prompt cieli na iný prípad použitia. Všetky sú testované pri 8 krokoch, rozlíšenie 1024×1024.
1. Redakčný portrét
Tichý redakčný portrét 28-ročnej Japonky s krátkymi čiernymi vlasmi strohákanými do bobu a jemnými pehami, oblečenej do béžového oversize vlneného kabáta cez biely rolák, stojacej pred minimalistickou betónovou stenou v tokijskej štvrti Aoyama počas mrholenia, mäkké rozptýlené zamračené svetlo, kvapky dažďa na jej ramenách, natáčané na Sony A7R IV s 85mm f/1.4 GM, plytká hĺbka ostrosti, tlmená chladná farebná paleta, emulácia filmu Fujifilm Pro 400H, pokojná kontemplatívna nálada.
Prečo to funguje: Pomenovanie konkrétneho tela kamery a filmovej emulácie ukotvuje celú farebnú paletu. Opis počasia („počas mrholenia, kvapky dažďa na jej kabáte“) dáva Z-Image atmosférické náznaky, ktoré zvláda výnimočne dobre.
Skúste zmeniť: Vymeňte „Fujifilm Pro 400H“ za „Kodak Portra 800“ a posuniete sa z chladných tlmených tónov k teplejšiemu zrnku.
2. Produktový záber s dvojjazyčnou etiketou
Komerčný packshot plechovky prémiového matcha čaju: valcovité ražené kefované hliníkové telo s minimalistickou smaragdovzelenou etiketou s nápisom „UJI MATCHA 宇治抹茶“ v zmiešanej japonskej kandži a latinskej typografii, mierne kvapky kondenzácie na povrchu, položená na leštenej tmavej orechovej drevenej podložke, dva roztrúsené bambusové metličky a keramická chawan miska napoly plná jasnozelenej matcha peny vľavo, mäkké vrchné softbox svetlo so zlatým okrajovým svetlom sprava hore, čistý tieň, neutrálne strednešedé prechodové pozadie, natáčané na Phase One IQ4 s 80mm makro pri f/9, komerčná potravinárska fotografia.
Prečo to funguje: Tento testuje najsilnejší diferencijátor Z-Image – dvojjazyčné rendrovanie textu. Kandži 宇治抹茶 a latinské „UJI MATCHA“ sa objavia čitateľne na tej istej etikete. Väčšina open-source modelov tento test nedokáže vôbec.
Skúste zmeniť: Nahraďte produkt vlastným – vzorec (objekt + podložka + rekvizity + osvetlenie + kamera) sa priamo prevádza na akýkoľvek packshot.
3. Banner na sociálne siete (16:9)
Široká filmová panoráma osamoteného fotografa stojaceho na okraji sopčitej pláže s čiernym pieskom na Islandsku, dramatické čadičové morské stĺpy vyrastajúce z oceánu v strednom pláne, biele vlny narážajúce na tmavé skaly, zamračené strieborné nebo s jediným prielomom zlatého svetla na horizonte, natáčané na 24mm širokouhlý objektív, f/8, hĺbková hĺbka ostrosti, desaturované chladné tóny s teplým akcentom vo svetlách, redakčná krajinná fotografia.
Prečo to funguje: Inštrukcia 24mm širokouhlého objektívu v kombinácii s „hĺbkovou hĺbkou ostrosti“ hovorí modelu, aby udržal celú scénu ostrú – kritické pre bannery, kde záleží na prednom pláne aj pozadí. Z-Image zvláda geologické textúry (čadič, mokrý piesok, morská peny) so silným detailom. Spustite to pri 1536×640 pre skutočnú filmovú panorámu.
Skúste zmeniť: Nastavte rozlíšenie na 1280×720 pre štandardný 16:9 YouTube thumbnail, alebo 720×1280 pre Instagram Story.
4. Neonová značka s dvojjazyčným textom
Daždivá šanghajská zadná ulička o polnoci, vertikálna neonová značka visiaca z tehlovej steny, značka žiari tučnými červeno-ružovými znakmi „夜市 / NIGHT MARKET“ – čínske znaky hore, anglický preklad dole v tenšom neonovom trubkovom písme, odrazy vo vodomokom dlažbe, filmový filmový film, plytká hĺbka ostrosti 35mm f/1.4, tlmené cyberpunk tóny, náladová atmosférická hmla, silueta okoloidúceho človeka odchádzajúceho vpravo, farebná paleta inšpirovaná Wong Kar-wai.
Prečo to funguje: Dve písma, dva typografické štýly, renderované konzistentne v jednom obrázku. „Farebná paleta inšpirovaná Wong Kar-wai“ je prekvapivo účinná skratka – Z-Image rozumie rezisérskym štýlom ako odkazom na farbu a náladu.
Skúste zmeniť: Nahraďte „Šanghaj“ „Tchaj-pej“ alebo „Hongkong“ pre odlišné architektonické pozadia pri zachovaní rovnakej neónovej estetiky.
5. Anime / ilustrácia
Bujná cel-shaded anime ilustrácia v štýle produkcií štúdia KyoAni: strednoškolák v bielom letnom uniforme stojaca na železničnom nadchytávacom moste v zlatej hodine, pozerajúca sa dole na železničné koľaje, vietor jej fúka dlhými gaštanovými vlasmi, teplé kontúrové osvetlenie na jej siluete, bavlnené oblaky v gradientovom oranžovo-ružovom nebi, ručne kreslené detaily, mäkké farebné prelievanie, centrovaná kompozícia po pás.
Prečo to funguje: Pomenovanie konkrétneho štúdiového štýlu („KyoAni“) nastavuje presnú estetiku bez kopírovania jediného titulu. Atmosférické náznaky – zlatohodinové kontúrové svetlo, vietor vo vlasoch, gradientová obloha – sú iyashikei znaky, ktoré Z-Image interpretuje so silnou věrností. Tento prompt tiež ukazuje, že Z-Image zvláda štylizovanú ilustráciu rovnako dobre ako fotorealizmus.
Skúste zmeniť: Vymeňte „KyoAni“ za „Makoto Shinkai“ pre dramatickejšie osvetlenie a sýtejšie oblohy, alebo „Ghibli-inspired“ pre jemnejšie, maliarske linework.