Z-Image测试效果记录（对比豆包的图像生成）

Z-Image开源后，简单测试下turbo模型的实际效果。

模型使用以下版本：

图像生成质量测试提示词集

说明：以下测试均为上方是Z-image,下方为豆包 seedream4.0.

维度一：主体与细节还原度

这个维度测试模型对具体物体形态、细节和质感的理解与生成能力。

1. 基础物体（测试基本造型和质感）：

   提示词： 一个放在木质桌面上的红苹果，表面有水滴，旁边有一把不锈钢餐刀，背景虚化。摄影级画质。
   考察点： 基础形状、颜色、不同材质（木纹、果皮、金属）的区分、细节（水滴）。

   

2. 复杂物体（测试结构理解）：

   提示词： 一台精密的机械腕表内部机芯，齿轮交错，蓝钢螺丝，珍珠陀，特写镜头，充满细节，电影光效。
   考察点： 对复杂机械结构的理解、微小零件的生成、特定术语（“珍珠陀”、“蓝钢螺丝”）的响应。

   

   

3. 生物特征（测试对生命体细节的把握）：

   提示词： 一只西伯利亚虎的正面肖像，目光炯炯有神，湿漉漉的鼻头，胡须根根分明，毛发纹理清晰，背景是虚化的雪松林。
   考察点： 动物解剖结构的准确性、毛发质感、眼神光等生命体征的呈现。

   

   

---

维度二：构图与空间关系

这个维度测试模型对画面布局、物体相对位置和透视关系的把握。

1. 基础空间关系（测试前后、远近）：

   提示词： 一条蜿蜒的乡村小路穿过金黄的麦田，通向远处的一棵孤树，天空中有几朵白云。广角镜头。
   考察点： 基本的透视（近大远小）、路径引导、前景/中景/远景的层次感。

   

   

2. 复杂遮挡关系（测试逻辑理解）：

   提示词： 一只猫正从一個半开的纸箱里探出头来，好奇地张望。纸箱的 flaps 部分遮挡了猫的脸部和前爪。
   考察点： 物体间交互和遮挡的逻辑是否正确，猫的身体结构在遮挡下是否合理。

   

   

3. 特殊构图法（测试艺术性构图知识）：

   提示词： 一个行人打着一把红伞，走在雨中的青石板街上，采用三分法构图，人物位于左侧交叉点。电影感，色调偏冷。
   考察点： 模型是否理解“三分法”等专业构图术语，并能正确执行。

   

   

---

维度三：风格与艺术表现

这个维度测试模型模仿不同艺术流派、风格和渲染效果的能力。

1. 明确艺术流派（测试风格化能力）：

   提示词： 一座星空下的咖啡馆，采用文森特·梵高的风格，充满旋涡状的笔触和鲜艳的色彩。
   考察点： 对特定艺术家风格的捕捉和再现能力。

   

   

2. 混合风格与媒介（测试创造性融合）：

   提示词： 一条东方巨龙盘旋在现代化的都市上空，赛博朋克风格，霓虹灯光，细节丰富的插画风格。
   考察点： 能否将两种看似不相关的风格（东方神话与赛博朋克）和谐地融合。

   

   

3. 特定渲染技术（测试技术实现）：

   提示词： 一个水晶球，里面有一座微缩城堡，柔和的全局光照，渲染引擎 Cycles，照片级真实感。
   考察点： 对CGI专业术语（如“Cycles渲染引擎”、“全局光照”）的理解，以及实现照片级真实感的能力。

   

   

---

维度四：光照与材质

这个维度测试模型对物理世界的光影和物体表面属性的模拟能力。

1. 基础光影（测试光源方向与质感）：

   提示词： 清晨的阳光从窗户斜射进房间，在铺有白色桌布的餐桌上形成一道光斑，空气中能看到尘埃。逆光摄影。
   考察点： 逆光效果、光斑的形成、丁达尔效应（空气中尘埃的光路）。

   

   

2. 复杂材质互动（测试物理属性）：

   提示词： 一个装着半杯水的玻璃杯，杯壁上有冷凝水珠，放在一个磨砂金属托盘上，背景有焦外光斑。
   考察点： 透明材质（玻璃）、液体（水）、凝结（水珠）、漫反射材质（磨砂金属）的区分和相互作用。

   

   

3. 戏剧性光影（测试氛围营造）：

   提示词： 一个侦探在昏暗的办公室里，只有台灯照亮他半边脸和桌上的档案，强烈的 chiaroscuro（明暗对比）效果，黑色电影风格。
   考察点： 对高级光影术语（Chiaroscuro）的理解，以及用光影讲述故事、营造氛围的能力。

   

   

---

维度五：场景与氛围叙事

这个维度测试模型构建复杂场景、传达情绪和故事感的能力。

1. 具体场景氛围（测试情绪渲染）：

   提示词： 一座被遗弃的游乐园，旋转木马锈迹斑斑，长满了藤蔓，黄昏时分，氛围宁静而忧伤。
   考察点： 通过景物、色彩和时间（黄昏）共同营造出一种统一的、具体的氛围。

   

   

2. 动态场景（测试瞬间捕捉）：

   提示词： 一位芭蕾舞者在空旷的剧院中央跳跃，动作舒展，聚光灯打在她身上， Motion blur（运动模糊）捕捉裙摆的舞动。
   考察点： 对动态瞬间的刻画、运动模糊的合理应用、动态中的形体准确。

   

   

3. 超现实想象（测试逻辑违背与创造性）：

   提示词： 一头巨大的布质长颈鹿玩偶，在图书馆的书架之间漫步，概念艺术，柔和的顶光。
   考察点： 将不相关的元素以合理的方式组合在一起，创造出超现实但视觉上协调的画面。

   

   

---

维度六：文本渲染与精确遵循

这个维度专门测试模型理解和生成文字，以及遵循非常具体指令的能力。

1. 简单文字生成（测试基础文字渲染）：

   提示词： 一个干净的咖啡杯，杯身上写着白色的“Hello World”字样。
   考察点： 最基本的文字生成能力，字母是否正确、清晰。

   

   

2. 特定排版与风格（测试设计与排版）：

   提示词： 一张复古风格的海报，标题是“GRAND OPENING”，采用装饰艺术字体，下方有较小的副标题“Since 2024”。
   考察点： 对字体风格（装饰艺术）的理解，以及处理主副标题大小排版关系的能力。

   

   

3. 复杂指令遵循（测试逻辑与细节）：

   提示词： 生成一个图标，图案是一个简笔画的猫头，猫的左耳是蓝色的，右耳是绿色的，背景是黄色圆形。扁平化设计。
   考察点： 模型是否能精确区分“左”和“右”的指令，并完美执行所有细节要求（颜色、形状、风格）。

   

   

emm，这个Z-image还是相当能打，质量方面其实跟豆包的比，更偏写实和日常一点，当然豆包的美学效果方面还是更讨喜一点。

速度上看，在4070这块只有12G显存的显卡上跑，只需要20秒左右一张图。

那我们再测试一些特殊情况

提示词： 在OpenAI内部的一次会议场景，奥特曼正在和黄仁勋讨论问题，黑板上写着“火星上安装英伟达显卡计划2040，星际之门盛大开启。”，写实照片，iphone拍照风格，

Z-Image：

豆包：

总得来说，这个模型相当不错，真的没有想到一个6B模型可以有这么强的细节绘画能力，本地部署还是有很多优势的，期待Edit的发布~阿里加油呀~