Пока индустрия соревнуется в количестве миллиардов параметров, до локальных машин добираются инструменты, заточенные под чистую скорость. Недавно в ComfyUI погонял Z Image Turbo (text-to-image) - модель, которая создавалась с прицелом на генерацию «на лету».
Вышла она кажется в ноябре 2025 года, суммарно с доп. компонентами весит около 20 Гб — весомая, полноценная база. При этом скорость работы и качество заставляют пересмотреть отношение к софту: на ноутбуке с NVIDIA GeForce RTX 5070 Laptop GPU модель выдает FullHD-кадр всего за 30 секунд, а детализация и попадание в промпт вплотную приближаются к облачной Dall-E 3.
Главные выводы:
- Эффективность против массы: Чистый вес модели в гигабайтах перестал быть главным показателем крутизны. Огромные нейронки часто выдают откровенный скам и пластик, в то время как оптимизированные Turbo-архитектуры выдают живую, коммерчески применимую картинку без лишнего мусора.
- Автономия: Возможность за полминуты получить на локальной машине предсказуемый и качественный результат уровня топовых облачных сервисов — это огромный шаг для независимого продакшена. Больше никаких ожиданий в очередях и подписок.
Ниже — несколько примеров генерации «из коробки», без костылей и тонны апскейлеров. Результат говорит сам за себя.
Prompt: A beautiful young blonde Scandinavian surfer girl with sun-kissed skin and wet hair is sitting in a relaxed pose on a white surfboard in the ocean. She is wearing a bright red bikini. The setting is the golden hour, and the atmosphere is serene. The background shows soft, calm blue ocean waves and a peaceful horizon under warm, soft sunlight. Shot on Sony a7 iv, f/1.8, 1/1600 sec, ISO 200, 50mm lens.
P.S. Типичный нейросетевой артефакт: по свету и анатомии всё идеально, но киль серфа модель приклеила сверху.
Prompt: High-fashion editorial photography, 16:9 aspect ratio. A stylish woman posing confidently, sitting on a luxury crimson red velvet vintage sofa. She is wearing an elegant monogrammed pantsuit in Gucci style, a silk gold pussy-bow blouse, large round orange sunglasses, and metallic gold boots. She holds a designer handbag. Dramatic interior with a textured gold and teal patterned wallpaper backdrop. High-contrast studio lighting, deep shadows, rich color grading, Vogue cover aesthetic, sharp focus, 35mm lens shot.
P.S. Выглядит очень дорого, сочетание золота с красным легло идеально с первой попытки. Но логика пространства снова дала сбой — модель решила, что одной брендовой сумки в кадре девушке будет мало, и продублировала её на диван.
Prompt: Cinematic lifestyle photography, 16:9 aspect ratio. A beautiful stylish young woman sitting at a small round table on the outdoor terrace of a Parisian cafe. In front of her is a classic porcelain cup of espresso coffee. The cafe building is made of historic light beige limestone. In the background, vibrant red geranium flowers in clay pots are visible on the terrace railing, and the iconic, recognizable rooftops of Paris blur into the soft distance. Warm morning sunlight creating a gentle backlight, rich film tones, shot on 50mm lens, f/2.0, shallow depth of field, authentic atmosphere.
P.S. Пример того, как нейросеть буквально считывает текст. Из-за неоднозначной увязки планов в промпте модель вместо уличного кафе построила подвесной балкон. Вдобавок ко всему вылезла классическая «стоковая» серость и пластмассовый пар над чашкой.
Prompt: Studio Ghibli anime style, 16:9 aspect ratio. A beautiful, emotional scene. A young Japanese schoolgirl in a traditional seifuku uniform stands on the edge of a sandy ocean shore at sunset. She is looking into the distance with a nostalgic expression. Far out in the sea, a few dolphins are gracefully jumping out of the water, creating gentle splashes. The sky is filled with voluminous, fluffy Ghibli-style clouds painted in warm golden, pink, and purple hues of the golden hour. Sun rays reflect on the calm water surface. Hand-drawn aesthetic, soft watercolor textures, cinematic anime composition, deeply nostalgic and romantic atmosphere.
P.S. Тест на пластичность стилей сдан на отлично: фирменная гибли акварель и облака вышли шикарно. На то, что дельфины синхронно прыгают парами на мелководье у самого берега, можно закрыть глаза ради такой атмосферы.
Небольшая ремарка честности под конец: абсолютно все изображения, в том числе превью статьи, сгенерированы с первой попытки. Промпты в процессе тестов никак не корректировались ради «лучшего кадра», а сами картинки публикуются как есть — без апскейла, инпейнта и какой-либо постобработки. Только чистый и голый результат локального рендера.
Похоже, эпоха, когда для хорошего визуала нужно было арендовать серверные стойки или мириться со "стоковым" овер-процессингом гигантов, окончательно уходит. Наступает время умной оптимизации и достойного качества генерации на локальной машине.