背景
得益于 Z-Image 模型对配置要求极低的同时有较高的生成质量。
开启 CPU Offload 后，只需要 12GB 空闲内存和 4GB 显存即可部署。
（速度会慢于显存运算版本，3080+bf16 模型 + 1024p 图片 =40s/ 张）
因此，如果有一定数量的佬愿意共享自己的 GPU，公益站的生图速度将更快。
Z-Image 公益站
-
主贴： Z-Image 公益站
-
只支持 Linux DO 登录
-
不要在公共场合打开作品广场
架构
RyanVan Z-Image 是一个基于 Hugging Face Diffusers 的 AI 图像生成平台，采用前后端分离 + 分布式 Worker 架构。
前端使用 Next.js 14 (App Router) + TypeScript + Tailwind CSS，部署于 VPS 通过 PM2 管理。后端基于 FastAPI + SQLAlchemy + SQLite，提供 RESTful API 和 WebSocket 实时通信，由 systemd 托管。
Worker 节点运行在独立的 GPU 机器上（支持 Windows/Linux），通过 HTTP 轮询从服务器拉取任务。核心生图逻辑使用 Diffusers 库调用 Z-Image-Turbo 模型（BF16 精度）。
Worker 部署流程（分享自己的 GPU）
- 公益站采用分布式设计，GPU 只负责生图，储存、前端等全部在远程服务器完成。
- 任何电脑部署 Worker 后，自动接入系统，实现空闲 GPU 资源共享，或者说是 GPU PT？
1 开启 Windows 开发者模式
2 下载 Worker 代码
Z-Image-Worker.zip (13.7 KB)
3 安装 CUDA
从 NVIDIA 官网 下载安装 CUDA Toolkit。
验证安装：
nvidia-smi
4 安装 Python 3.11
方法一：命令行安装
winget install Python.Python.3.11 --source winget
方法二：官网下载
从 Python 3.11.9 下载安装。
安装时务必勾选 “Add Python to PATH”
验证安装：
py -3.11 --version
5 修改 API_KEY
内置了本公益站的 API_KEY，不用配置。若想接入你自己的前端，需要修改。
6 运行管理器
双击 StartWorker.bat，按照菜单操作：
-
选择
[6] 安装/更新依赖- 自动安装所有依赖（约 5-10 分钟） -
选择
[5] 配置 Worker- 设置 Worker ID 和名称（公开展示） -
选择
[7] 下载/更新模型- 下载 AI 模型（约 25GB） -
选择
[1] 启动 Worker- 开始运行
启动成功后应看到类似输出：
============================================================ Z-Image Worker ID: worker-xxx Name: xxx ============================================================ [Worker] Pre-loading model... [Generator] Model loaded successfully! [Worker] Started! Polling interval: 2s
服务端代码开源
Z-Image-v2.zip (162.7 KB)
和 Worker 对接，不介绍部署流程了。有需要丢给 AI 帮你部署即可。
注意事项
1. 模型下载失败 / 显示 .incomplete
未开启 Windows 开发者模式。设置 → 隐私和安全性 → 开发者选项 → 开启，然后重启电脑。
2. PyTorch 安装失败
Python 版本必须是 3.11
3. 生图速度好慢
本配置默认开启 CPU Offload：以速度为代价，将数据存储在内存。
实际运行占用内存 12GB，显存 3GB 左右。
生图速度取决于显存带宽和显卡算力。
若显存够大 (>16GB)，可尝试关闭 CPU Offload。
或者部署 fp8 版本（速度飞快，但质量较低）。
4. 其它问题
目前未经过充分测试，会有一些未知 BUG，请联系我。