博主头像

Ernie 与 Z-Image 开源模型对决

外来客 • 2026-08-16 11:53:14

分享
𝕏 f ◉
声明：本文为对公开内容的摘要整理， 未经本站独立核实，可能与原内容存在出入，不代表本站立场、观点或建议； 观点与版权归原作者及原平台所有。 如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

（原标题：Ernie vs Z-Image - Battle of the opensource models）

🎨 开源图像模型对比评测

  • 评测对象：百度 Ernie（基础版 8B 与 Turbo 版）、Z-Image（基础版与 Turbo 版）以及 Nano Banana 2。
  • 文字渲染能力：在包含大量文本的技术蓝图测试中，Ernie 表现良好，拼写错误较少；Z-Image 基础版出现较多拼写错误和奇怪字符；Nano Banana 2 在文字准确性上表现最佳，数字和细节清晰。
  • 物体细节还原：在佳能数码相机特写测试中，Ernie 的相机外观较为真实，但丢失部分字母；Z-Image Turbo 视觉质感较好但略显虚假；Nano Banana 2 完美解决了文字和相机细节，但图像中存在异常图案。
  • 复杂场景处理：在超写实字母渲染和漫画场景测试中，Ernie 整体表现优于 Z-Image，尤其在面部细节和文字完整性上；Z-Image Turbo 画面略显“烘焙感”（过度处理），且文字和面部出现混乱；Nano Banana 2 在文字和面部细节上依然领先，但偶尔出现拼写错误。
  • 艺术风格表现：在黏土动画风格测试中，Ernie 和 Z-Image 均能生成高质量图像，Z-Image 对比度更强；Nano Banana 2 细节最丰富，但存在拼写失误。
  • 综合结论：Ernie 作为 Apache 2.0 许可的开源模型，性能超出预期，尤其在文字渲染和整体一致性上优于 Z-Image，适合需要高质量文字生成和复杂场景的用户。

⚙️ ComfyUI 工作流安装与配置

  • 版本要求：需更新 ComfyUI 至 0.19.1 或更高版本。
  • 模型文件部署：
  • 扩散模型（Diffusion Models）：Ernie Image（默认 50 步，建议 20 步）或 Ernie Image Turbo（4-8 步），放入 `models/diffusion_models` 文件夹，二者选其一即可。
  • 文本编码器（Text Encoders）：放入 `models/text_encoders` 文件夹。
  • VAE 模型：放入 `models/VAE` 文件夹。
  • 工作流获取：可从官方 ComfyUI 博客或 Patreon 免费获取，包含预设好的参数和节点连接。
  • 基础参数：工作流预设了宽度、高度、步数等参数，用户可直接使用或调整。

📝 提示词增强器机制解析

  • 功能原理：工作流内置“提示词增强器”（Prompt Enhancer），利用 LLM 对原始提示词进行扩展和润色。
  • 语言转换：增强器将用户输入的英文或其他语言提示词翻译为中文（普通话），因为 Ernie 模型主要基于中文数据训练，中文提示词可能获得更好效果。
  • 内容变化：增强后的提示词更长、更详细，可能引入用户未明确要求的细节（如特定品牌标志、环境元素），导致生成图像与原始意图产生显著差异。
  • 使用建议：
  • 若需精确控制生成内容，建议关闭提示词增强功能，直接使用原始提示词。
  • 若希望模型自动补充细节，可开启该功能，但需注意其可能改变图像风格或添加无关元素。
  • 增强器会将图像尺寸信息融入提示词，并处理正向与负向提示词。

💡 模型特性与适用场景

  • 无审查特性：Ernie 模型支持生成暴力、枪战等敏感内容，适合需要此类素材的用户，但需注意合规性。
  • 性能潜力：作为新发布的开源模型，当前表现已具竞争力，后续通过 LoRA 微调可进一步提升特定领域的表现。
  • 适用人群：
  • 需要高质量文字渲染的图像生成任务。
  • 偏好开源、可本地部署且无审查限制的模型用户。
  • 希望探索中文提示词优化效果的开发者。
  • 局限性：在极端复杂场景或特定艺术风格下，仍可能出现细节缺失或异常图案，需结合后期处理或多次生成优化。

博主头像 👤 同一博主

查看该博主全部 16 篇

🧭 类似博主

0 条评论

发表评论

请先 登录 后参与讨论。