阿里DiffSynth-Studio  项目组推出Z-Image-i2L：从单张图像一键生成风格 LoRA

阿里 DiffSynth-Studio 项目组 推出 Z-Image-i2L（Image to LoRA）模型——一种“以图生 LoRA”的创新方案。只需输入一张或多张风格统一的图像，模型即可自动生成一个可用于 Stable Diffusion 的 LoRA 微调模型，快速复现目标视觉风格。

• 模型：https://www.modelscope.cn/models/DiffSynth-Studio/Z-Image-i2L

该模型基于早期 Qwen-Image-i2L 架构，现已全面迁移至 Z-Image 基座，显著增强风格保持能力与细节还原精度，特别适合角色设计、插画风格迁移、产品视觉一致性等场景。

核心特点

• 端到端生成：输入图像 → 输出可直接加载的 .safetensors LoRA 文件
• 风格聚焦：专为捕捉色彩、笔触、构图等视觉特征而优化
• 轻量高效：生成的 LoRA 模型体积小，推理开销低
• 兼容性强：适用于任何基于 Z-Image 架构的文生图流程

💡 提示：为获得最佳效果，建议使用 3–5 张风格一致的图像（如同一角色的不同角度、同一画师的多幅作品）。

推荐使用参数

为确保生成图像质量，请严格遵循以下配置：

正向提示词（Prompt）：启用 LoRA
负向提示词（Negative Prompt）：关闭 LoRA（仅使用通用负面词）

CFG Scale：4  
Sigma Shift：8

负面提示词（中英文任选）

中文：

泛黄，发绿，模糊，低分辨率，低质量图像，扭曲的肢体，诡异的外观，丑陋，AI感，噪点，网格感，JPEG压缩条纹，异常的肢体，水印，乱码，意义不明的字符

English：

Yellowed, green-tinted, blurry, low-resolution, low-quality image, distorted limbs, eerie appearance, ugly, AI-looking, noise, grid-like artifacts, JPEG compression artifacts, abnormal limbs, watermark, garbled text, meaningless characters

⚠️ 关键技巧：仅在正向提示中加载 LoRA，负向提示中禁用，可显著减少伪影并提升风格纯净度。

在线体验与部署

• 在线试用：ModelScope Studio - Z-Image-i2L
• 输出格式：标准 .safetensors，可直接用于ComfyUI平台

适用场景

• 角色一致性生成：为原创角色快速创建专属 LoRA
• 画师风格复现：输入某位艺术家的作品，生成其风格的生成模型
• 品牌视觉统一：确保产品图、宣传图保持一致美学
• 社区创作加速：省去数小时 LoRA 训练时间，实现“所见即所得”

注意事项

• 单张图像可能泛化不足，建议多图输入以提升鲁棒性
• 不适用于写实摄影（因 LoRA 更擅长风格化特征）
• 生成的 LoRA 为风格导向，非身份绑定（如需人脸 ID 保持，需结合 IP-Adapter 等方案）