BEYOND REALITY Z IMAGE

个人微调版 Z image turbo 淡妆浓抹 3.0发布

Z TURBO REBUILD , 更好的色彩光影表现,更细腻的纹理细节呈现。

比 Z image turbo 更多的艺术风格支持,比 Z image base 更快的生成速度。

CFG:1,10~15步,

euler+simple 采样器调度器

善用SeedVarianceEnhancer等节点,增加画面的多样性表达 优化了一些艺术风格的支持与二次元动漫的表现。

更新lora训练适配器,注意,是本淡妆浓抹 3.0 模型的的lora训练专用,重点是diffusion,diffusion是新的训练才是新的,适配器是adapter,Rebuild版底模支持在此适配器上训练,可在aitoolkit中替换并微调自己专属lora。注意,不同于官方底模,是专用于本模型底模的训练适配器,感谢@Laushine制作,请改扩展名为ZIP后解压使用。 https://www.modelscope.cn/models/Nurburgring/BEYOND_REALITY_Z_IMAGE/summary?version=20260206135410

Nunchaku量化版 by tonera(感谢): https://modelscope.cn/models/tonera/Beyond_Reality_Zimage_v2_svdq/summary

NVFP4量化以及采样器搭配 by miccodadada(感谢): 本人实测,AuraFlow3.5 - 5,首选euler a+FlowMatchEulerDiscreteScheduler,其次是ZImagePowerNodes自带的采样器,然后是DEIS_2M + BONG_TONGENT,追求泛用性的话是Sa_solver+FlowMatchEulerDiscrete,人像的话也可以试试ER_SDE+(sgm_uniform/FlowMatch)。 我自己制作了它的NVFP4混合量化,FEED FORWARD 123层采用NVFP4,其余注意力采用FP8 Per-Tensor量化(目前Comfyui暂时不支持BlockWise量化),质量下降在可接受范围内。在5070上,9步采样时间大概2.8-3.6秒。https://huggingface.co/lieding1994/zimage-serverless/blob/main/BEYOND-REALITY-BF16_learned_fp8mixed_tensor.safetensors

欢迎各位试用

最后,团队招新,我一手搭建起Z image数据生产团队,目前因数据需求不断增加,Z image数据生产团队开启招新,坐标杭州某大厂,需要全职到岗。有意者加WX:Aptshtiso

欢迎加入我们Z image数据生产团队!

——————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————

SUPER Z 淡妆浓抹 V2.0 菁彩发布

解决了一些已知问题

优化了纹理与细节表现,继续优化模型的高频细节表现。

可能拥有目前所有Z模型中,最佳的直出纹理细节表现能力,同时对胶片等摄影风格支持更佳。

同时尝试优化一些艺术风格的支持与二次元动漫的表现。

常规升级,欢迎试用,请多多返图~

感觉比淡妆浓抹1.0版进步还是较为明显的(放大看细节表现)

样例2

为了获得多样性,请尝试SeedVarianceEnhancer节点

CFG:1.2

采样步数:10~15步

最后,团队招新,我一手搭建起Z image数据生产团队,目前因数据需求不断增加,Z image数据生产团队开启招新,坐标杭州某大厂,需要全职到岗。有意者加WX:Aptshtiso

欢迎加入我们Z image数据生产团队!

https://www.modelscope.cn/models/Nurburgring/BEYOND_REALITY_Z_IMAGE https://civitai.com/models/1090420?modelVersionId=2581368 https://huggingface.co/Nurburgring/BEYOND_REALITY_Z_IMAGE

————————————————————————————————————————

SUPER Z Effortless Makeup - V2.0 - Vibrant Color Release

Resolved some known issues

The texture and detail presentation have been optimized, and the high-frequency detail presentation of the model is also being further improved.

It may possess the best direct rendering texture detail performance capability among all current Z models, and also offers better support for photographic styles such as film.

At the same time, efforts are made to enhance the support for various artistic styles and to improve the presentation of 2D anime.

Regular upgrade. Welcome to try it out. Please share your feedback!

The effect seems to have improved significantly compared to the previous version (viewing it in detail reveals this).

To achieve diversity, please try the SeedVarianceEnhancer node.

CFG: 1.2

Sampling steps: 10 to 15 steps

Finally, the team is recruiting new members. I have established the Z image data production team by myself. Currently, due to the increasing demand for data, the Z image data production team has launched a recruitment drive. The location is a major company in Hangzhou. The position requires full-time employment.

Those interested can add WeChat: Aptshtiso

Welcome to join our Z Image data production team!

好久不见,甚是想念。BEYOND REALITY系列,回来了。

模型简介(中文)

BEYOND REALITY Z IMAGE 1.0 是一个基于社区Z IMAGE微调并合并LoRA的Checkpoint模型,延续该系列高清晰、高美学的传统。

我们始终相信:美不是被定义的,而是被感受的。 正如胶片摄影的光影色彩,是无数美学工程师用百年经验沉淀出的、关于记录光的智慧——它无法量化,无法让所有人共情,但遇到理解者,便是万幸。

针对Z IMAGE在纹理细节表现上的不足,本次更新专注于:

• 人像皮肤纹理与环境细节的深度优化:显著提升高频信息表现,让毛孔、织物纹理、墙面质感等细节更真实可信
• 胶片摄影美学对齐:整体风格略偏胶片人像,赋予画面更丰富的色彩层次与光影呼吸感
• 真实感与美感平衡:在保留Z时代模型超强真实感的基础上,提升生成人像的审美高度

训练以合成的高质量人像摄影风格图片为主,使模型在主流审美维度上达到"浓妆淡抹总相宜"的平衡状态。

注意:因训练数据特性,复杂肢体动作及某些非人像类纹理可能受到影响,后续版本将持续优化。

或许是现在最佳的人像摄影 Z image 模型

注意最下面的参数设置。

Z IMAGE给大家带来了足够的惊喜,超快的速度和超真实的画面,社区中对edit的呼声更是持续不断。

我知道你们很着急,但是先别急,先来看看社区微调版的 Z image 哈哈哈

BEYOND REALITY Z IMAGE 1.0 浓妆淡抹总相宜,这是一个基于人像数据集微调lora合并而来的模型,延续BEYOND REALITY系列模型的特点,高清晰、高美学。Z IMAGE目前的问题之一就是高频信息的表现不佳,体现在画面上就是纹理的细节不好。因此训练了一个lora来提升模型的纹理质量。本想发布lora的,后来想想,一直都是发布checkpoint的,那还是延续这个习惯吧。

我一直偏爱胶片摄影的光影色彩,因为那是无数美学工程师用百年的调色经验沉淀下来的美学的体现,是用图片记录光影色彩、记录美的最佳的、受众最广泛的体现。美不是被定义的,而是被感受的,能被定义的或者量化的,一定是会沦为平庸。所以美无法量化无法评估,只能去理解和感悟。美也无法让所有人都共情,能遇到一个人理解你,已经是万幸之事。

本次更新主要优化Z的人像类皮肤纹理和环境纹理细节,并优化模型生成人像类图像的美学。Z 本身生成的图片真实度非常高,某些情况下会让你完全分不清是AIGC图还是真实照片。但是,在美学方面,Z 还有优化提升的空间。

本次更新的模型整体风格略偏胶片人像摄影,可以生成很美的人像类图片,也可以生成很优美的环境细节,同时保留了 Z 的部分真实感。在提示词引导下可以生成非常真实的图片。

注意,因本次训练以合成的高质量人像摄影风格图片为主,在提升整体美学与纹理细节的同时,有可能会对复杂肢体动作和某些非人像类纹理造成影响。后续版本会持续优化。

欢迎体验试用,欢迎多多返图。

本次发布BF16&FB8双版本,FP8版8G显存可以使用,笔记本亲测。

推荐参数:euler+simple,10~15步,CFG:2

BEYOND REALITY,I'm back。

圣诞&新年快乐!

最后,团队招新,我一手搭建起Z image数据生产团队,目前因数据需求不断增加,Z image数据生产团队开启招新,有意者加WX:Aptshtiso

欢迎加入我们Z image数据生产团队!

Model Overview (English)

BEYOND REALITY Z IMAGE 1.0 is a checkpoint model fine-tuned from the community Z IMAGE model, merging LoRA weights to preserve the signature high-clarity, high-aesthetic quality of the BEYOND REALITY series.

We believe: Beauty cannot be defined, only felt. Like the color science of analog photography—refined over a century by imaging engineers—true aesthetic lives in intuition, not metrics. It may not resonate with everyone, but finding one who understands is already a rare fortune.

This update addresses Z IMAGE's weakness in high-frequency detail representation:

• Enhanced texture fidelity: Skin pores, fabric weaves, and environmental surfaces now exhibit unprecedented realism
• Analog photography alignment: A subtle film-photography tonality enriches color grading and lighting atmosphere
• Balance of realism & aesthetics: Maintains Z's photorealistic power while elevating portrait beauty to new heights

Trained primarily on synthetic high-quality portrait photography, the model achieves a versatile "suited for both heavy makeup and bare-faced" elegance.

Note: Due to training data focus, complex poses and certain non-human textures may be affected. Continuous improvements planned.

模型信息

推荐用途

• 高 aesthetic 人像生成与美学对齐
• 皮肤纹理与材质细节的精细化表现
• 胶片摄影风格的AI创作模拟
• 社交媒体视觉内容的质感增强

使用方法

推荐使用以下参数获得最佳效果:

Sampler: euler+simple
Steps: 10-15
CFG Scale: 2
Resolution: 1024——2048 
Clip Skip: 2
Negative Prompt: 根据实际情况添加,建议避免过度负面描述以保持胶片质感

更多样例

样例1

样例2

样例3

样例1

样例2

样例3

样例1

样例2

样例3

样例1

样例2

样例3