Z-Image Turbo 本地部署指南
1. 为什么选择本地部署？
1.1 技术架构优势
Z-Image Turbo 基于 Diffusers 官方推理管道深度定制，核心目标是快、稳、准。
快：Turbo 架构对去噪路径进行了重设计。普通 SD 模型可能需要 20 步才能出轮廓，Z-Image Turbo 在 4 步完成构图，8 步达到细节峰值。实测在 RTX 4060 上，768×768 分辨率平均耗时约 3.2 秒；在 RTX 3090 上，1024×1024 仅需 5.8 秒。
稳：通过三重加固解决黑图、崩坏、加载失败问题。包括全链路 bfloat16 计算防止数值溢出；CPU Offload 自动卸载不活跃层；内置显存碎片整理器实时回收空闲显存。
准：针对大量高质量国风数据做了提示词空间对齐。输入中文提示词如'青绿山水，北宋范宽笔意'，能精准还原山石皴法与绢本质感。
1.2 镜像预装环境
提供的本地极速画板镜像已预装一切依赖，无需手动配置：
- 预编译适配 CUDA 12.1 / ROCm 6.1 / Metal（M 系列芯片）的 PyTorch 2.3
- 集成最新版 Diffusers（v0.29.2）与 Transformers（v4.41.0）
- 内置 Z-Image-Turbo 主模型权重（含 FP16 量化版与原生 BF16 版）
- 预装优化 VAE 解码器与 CLIP 文本编码器
- WebUI 界面完全汉化
相比 GitHub 源码部署，该方案规避了版本冲突、文件名大小写及路径分隔符差异等常见问题。
1.3 本地部署 vs 云端方案
- 控制权：拥有完整权限，可修改 UI 布局、添加自定义 LoRA、接入私有 API。
- 隐私性：所有数据只在本地硬盘和显存流转，适合商业插画场景。
- 响应速度：点击生成后显存直通，毫秒级响应。
- 长期成本：一次投入，终身免费使用。
2. 三步完成本地部署
2.1 下载镜像并解压
获取官方发布的最新预构建镜像包（例如 z-image-turbo-local-v1.2.0.zip）。解压到任意目录，如 D:\AI\Z-Image-Turbo。
解压后目录结构如下：
├── models/ # 预置模型权重
├── webui/ # Gradio 前端界面
├── launch.bat # Windows 一键启动脚本
├── launch.sh # macOS/Linux 一键启动脚本
└── requirements.txt # 依赖清单
2.2 运行启动脚本
进入解压目录，执行对应操作系统的启动脚本：
- Windows：双击
launch.bat - macOS/Linux：终端执行
chmod +x launch.sh && ./launch.sh
脚本会自动检测系统环境、启动虚拟环境、加载模型并启动 Gradio 服务。默认监听地址为 http://127.0.0.1:7860。
若希望局域网访问，可在启动脚本末尾添加 --host 0.0.0.0 参数，但需注意防火墙设置。
2.3 界面初体验
首次打开页面，主要包含三个区域：
- 提示词输入框（Prompt）：支持中英文混输，系统会自动补全光影、材质等细节。
