51OpenLab-一站式ICT创新服务平台

使用 OpenVINO™加速部署通义 Z-Image（造相）文生图模型

openlab_96bf3613 更新于 5天前

引言

【Z-Image-Turbo】(https://huggingface.co/Tongyi-MAI/Z-Image-Turbo) 是阿里巴巴通义团队最新推出的高性能文生图模型，基于 Diffusion Transformer (DiT) 架构，6B 参数量，仅需不到 10 个 steps 的采样，就能够快速生成高质量图像。本文将详细介绍如何使用 Intel® OpenVINO™ 工具套件来优化和部署 Z-Image-Turbo 模型，在 Intel 平台上上获得出色的推理性能。

内容列表

1. 环境准备

2. 模型下载和转换

3. 模型部署

第一步，环境准备

基于以下命令可以完成模型部署任务在 Python 上的环境安装。

python -m venv py_venv ./py_venv/Scripts/activate.bat pip uninstall -y optimum transformers optimum-intel diffuserspip install git+https://github.com/huggingface/diffuserspip install git+https://github.com/openvino-dev-samples/optimum-intel.git@zimagepip install nncfpip install torch==2.8.0 torchvision==0.23.0 torchaudio==2.8.0 --index-url https://download.pytorch.org/whl/cpupip install openvino==2025.4

第二步，模型下载和转换

在部署模型之前，我们首先需要将原始的 PyTorch 模型转换为 OpenVINO™的 IR 静态图格式，并对其进行压缩，以实现更轻量化的部署和最佳的性能表现。通过 Optimum 提供的命令行工具 optimum-cli，我们可以一键完成模型的格式转换和权重量化任务：

optimum-cli export openvino --model Tongyi-MAI/Z-Image-Turbo --task text-to-image Z-Image-Turbo-ov --weight-format int4 --group-size 64 --ratio 1.0

其中 Tongyi-MAI/Z-Image-Turbo 为模型在 HuggingFace 上的 model id, 可用原始模型的本地路径替换；--weight-format int4 --group-size 64 --ratio 1.0 为模型量化参数，如果考虑出图质量，也可以用 --weight-format fp16 替换。

第三步，模型部署

除了利用 Optimum-cli 工具导出 OpenVINO™模型外，我们还在 Optimum-intel 中重构了 Z-Image 模型的 Pipeline，将官方示例示例中的的 ZImagePipeline 替换为 OVZImagePipeline 便可快速利用 OpenVINO™进行模型部署，完整示例可参考以下代码流程。

import torchfrom optimum.intel import OVZImagePipeline
# 1. Load the pipelinepipe = OVZImagePipeline.from_pretrained(    "Z-Image-Turbo-ov", device="cpu")
prompt = "Young Chinese woman in red Hanfu, intricate embroidery. Impeccable makeup, red floral forehead pattern. Elaborate high bun, golden phoenix headdress, red flower****eads. Holds round folding fan with lady, tree****ird. Neon lightning-bolt lamp (⚡️), bright yellow glow, above extended left palm. Soft-lit outdoor night background, silhouetted tiered pagoda (西安大雁塔), blurred colorful distant lights."
# 2. Generate Imageimage = pipe(    prompt=prompt,    height=512,    width=512,    num_inference_steps=9,  # This actually results in 8 DiT forwards    guidance_scale=0.0,     # Guidance should be 0 for the Turbo models    generator=torch.Generator("cpu").manual_seed(42),).images[0]
image.save("example_zimage_ov.png")