Z_Image_Turbo文生图

一、ae.safetensors模型

       VAE（变分自编码器，Variational Autoencoder）在大模型中的核心价值 = 高效压缩 + 连续潜在空间 + 高质量生成 + 细节优化‌。它不仅是生成式模型的“基础设施”，也是平衡计算效率与输出质量的关键组件。

       存放目录为：安装目录ComfyUI\models\Vae

二、qwen_3_4b_fp8_mixed.safetensors

       千问模型3模型,负责将自然语言文本转换为机器能识别的语义向量，供后续图像生成模型使用。

       存放目录为：安装目录ComfyUI\models\\text_encoders

三、z_image_turbo_bf16.safetensors

       图像生成模型

       存放目录为：安装目录ComfyUI\models\diffusion_models

四、z_image_turbo_distill_patch_lora_bf16.safetensors

       z_image_turbo lora模型，在大模型中，‌LoRA（Low-Rank Adaptation，低秩自适应）模型的核心作用是实现高效、低成本的微调‌，同时保留原始模型的通用能力，并支持灵活的任务切换。

       存放目录为：安装目录ComfyUI\models\loras

五、插入节点

       1. UNeT加载器：加载文生图模型z_image_turbo_bf16.safetensors

       2. 加载Clip：加载千问3模型qwen_3_4b_fp8_mixed.safetensors

       3. 加载Vae:加载Vae模型ae.safetensors

       4.加载Lora:加载lora模型：z_image_turbo_distill_patch_lora_bf16.safetensors

       5. Clip文本编辑器：输入文生图文本，分为正面条件和负面条件，分别表示想要的和不想要的

       6. K采样器：执行‌扩散模型逆向去噪过程的核心组件‌，其主要作用是将随机噪声逐步转化为符合文本提示的清晰图像。

       7. 空Latent图像：图像大小控制

       8. VAE解码：负责将抽象的潜在表示转化为高质量、可解释的最终输出。

       9. 预览图像：将生成的图像预览显示。