HelloSun/Z-Image-Turbo-OpenVINO-INT4

Z-Image-Turbo — OpenVINO INT4

將 Tongyi-MAI/Z-Image-Turbo（6B S3-DiT，Turbo 蒸餾）轉換為 OpenVINO INT4 權重， 並以 純 CPU 實測 1024×1024 出圖。

optimum-intel 匯出 → NNCF weight-only INT4 量化 → FP16 20.32 GB → INT4 5.52 GB（↓ ~73%）。

步數說明：設定 num_inference_steps=9，scheduler 實際執行 9 個 step。 來源模型標示的「8 NFE」是指 DiT forward 次數的官方說法，與本 repo 量測到的 9 個 scheduler step 並不完全對應，實測數據以 examples/benchmark.json 為準。

---

目錄

• 快速資訊
• 特色
• 安裝
• 快速開始
• 推論參數建議
• 範例結果
• 風格展示
• 效能實測摘要
• 檔案結構
• 從零復現
• 已知限制
• 授權與出處

---

快速資訊

項目	內容
基座模型	Tongyi-MAI/Z-Image-Turbo（6B S3-DiT，Turbo 蒸餾）
Pipeline	ZImagePipeline（diffusers 格式）
Scheduler	FlowMatchEulerDiscreteScheduler（shift=3.0，由 scheduler_config.json 自動載入）
量化格式	transformer / text_encoder → INT4；VAE → INT8
模型大小	FP16 20.32 GB → INT4 5.52 GB（↓ ~73%）
推論裝置	CPU（OpenVINO CPU plugin，無需 GPU）
推薦參數	num_inference_steps=9、guidance_scale=0.0、1024×1024
記憶體需求	實測推論期間 RSS 約 16.3 GB
轉換工具	optimum 2.3.0 / optimum-intel 2.2.0 / OpenVINO 2026.4.0 / NNCF 3.4.0

特色

• **體積 ↓ 73%**：FP16 20.32 GB → INT4 5.52 GB。
• 純 CPU 可用：guidance_scale=0.0，每步只需跑一次 Transformer。
• diffusers 目錄結構：可直接 from_pretrained()。
• 完整記憶體量測：本 repo 記錄了逐張的推論前後 RSS，是同批中記憶體資料最完整的。
• 附 15 張實測圖：5 組 prompt × (1024px + 512px 對照組)，另加 10 張風格展示。
• ⚠️ 記憶體需求偏高：INT4 模型僅 5.52 GB，但推論時 RSS 達 16.3 GB。

安裝

pip install diffusers==0.37.1 transformers==4.57.6 tokenizers==0.22.0 huggingface-hub==0.35.1 optimum==2.3.0 optimum-intel==2.2.0 openvino==2026.4.0 nncf==3.4.0 torch pillow psutil

僅推論時不需要 nncf；nncf 為重新量化所需。

快速開始

import torch
from optimum.intel import OVDiffusionPipeline

pipe = OVDiffusionPipeline.from_pretrained(
    "HelloSun/Z-Image-Turbo-OpenVINO-INT4", compile=True)

image = pipe(
    prompt="Young Chinese woman in red Hanfu, intricate embroidery, "
             "photorealistic, ultra detailed, 8k",
    height=1024, width=1024,
    num_inference_steps=9, guidance_scale=0.0,
    generator=torch.Generator().manual_seed(42),
).images[0]

image.save("out.png")

完整可執行範例：inference_int4.py　批次生成 + benchmark：generate5.py

推論參數建議

參數	建議值	說明
num_inference_steps	9	Turbo 蒸餾設定。請勿增加。
guidance_scale	0.0	Turbo 模型不啟用 CFG。
shift	3.0	不需手動傳入，scheduler/scheduler_config.json 已內建。
height / width	1024	模型原生解析度。
compile=True	開啟	編譯模型以取得較佳效能。

範例結果

全部為 9 steps / guidance 0.0 / 1024×1024 / CPU，seed 42–46 固定，可完全重現。

每組另附 512px 對照組（examples/*_512.png）。

檔名說明：主測組檔名為 *_8step_*、風格展示為 *_9step_*，但兩者實際都以 num_inference_steps=9 生成，檔名中的步數前綴並不可靠。

01_hanfu_portrait — seed 42 — 116.2 s

Young Chinese woman in red Hanfu, intricate embroidery, impeccable makeup, red floral forehead pattern, elaborate high bun, golden phoenix headdress, soft-lit outdoor night background, silhouetted tiered pagoda, blurred colorful distant lights, photorealistic, ultra detailed, 8k

02_astronaut_jungle — seed 43 — 110.8 s

Astronaut in a jungle, cold color palette, muted colors, detailed, 8k, photorealistic, cinematic lighting

03_taipei_cyberpunk — seed 44 — 110.3 s

Cyberpunk street in Taipei at night, heavy rain, neon signs with text 'TAIPEI' and Chinese characters '台北', reflections on wet asphalt, crowded night market, cinematic, ultra detailed

04_shiba_astronaut — seed 45 — 109.3 s

Cute Shiba Inu wearing a tiny astronaut helmet, sitting in a field of sunflowers under a starry sky, dreamy illustration, vibrant colors, high quality

05_ink_landscape — seed 46 — 109.3 s

Traditional Chinese ink wash landscape, misty mountains, a small pagoda on a cliff, cranes flying, minimalist, elegant, high aesthetic quality

風格展示

以下 10 張為 10 類風格 × 同一組 5 組基礎 prompt（seed 42–51）， 使用與上方基準測試完全相同的推論設定。

注意：這批圖片沒有對應的 examples/benchmark.json 紀錄，也沒有腳本可重現， 完整 prompt 亦未收錄於 repo（早期說明檔中的版本已被截斷，無法還原）。

traditional_painting · 傳統繪畫

油畫、版畫、水彩等傳統媒材

anime_manga · 動漫繪師

吉卜力 × 新海誠動畫風

digital_3d · 數位 3D

UE5 寫實渲染、CG 質感

photography_cinema · 攝影電影

電影感人像攝影

cultural_regional · 文化地域

敦煌壁畫、水墨等東方美學

material_craft · 材質工藝

絲線刺繡、陶瓷、木雕等

design_commercial · 平面商業

商業插畫、扁平幾何設計

abstract_generative · 抽象生成

分形、生成藝術

era_subculture · 復古次文化

80s 霓虹、賽博龐克

render_technique · 厚塗渲染

油畫厚塗、概念設定

效能實測摘要

完整逐 step 數據見 REPORT.md 與 examples/benchmark.json。

測試環境

項目	內容
CPU	Intel(R) Xeon(R) Platinum 8559C
拓撲	2 sockets × 48 cores × 2 threads/core = 192 vCPU（96 實體核心）
RAM	2.0 TiB
虛擬化	KVM（完整虛擬化）
OpenVINO	CPU only，2026.4.0（build 2026.4.0-22959-99c81491cc3-releases/2026/4）
設定	num_inference_steps=9、guidance_scale=0.0、1024×1024 + 512×512 對照

總結

指標	主測組	對照組
解析度	1024×1024	512×512
平均總耗時	111.18 s / 張	33.46 s / 張
平均單步耗時	12.15 s	3.67 s
最快 / 最慢	109.26 s / 116.19 s	31.05 s / 38.72 s
對照組倍數	—	3.32×

• 對照組為同一 prompt/seed 的 512×512 重新推理（非縮圖）。
• 文字編碼與 VAE decode 的時間已包含在總耗時內，每張約多出 1.7–1.9 s。

逐張結果（1024×1024 / 9 steps）

#	Prompt	Seed	總耗時 (s)	平均單步 (s)	512px 總耗時 (s)	512px 單步 (s)	推論後 RSS (GB)
01_hanfu_portrait	42	116.19	12.696	38.72	4.236	16.31
02_astronaut_jungle	43	110.82	12.112	33.04	3.617	16.31
03_taipei_cyberpunk	44	110.31	12.066	31.81	3.489	16.32
04_shiba_astronaut	45	109.30	11.943	31.05	3.396	16.32
05_ink_landscape	46	109.26	11.941	32.69	3.587	16.32
	平均	111.18	12.152	33.46	3.665	16.32

模型大小

以下為 repo 內 openvino_model.bin 的實際位元組數（Git LFS 記錄值）。

元件	位元組	大小	精度
transformer	3,199,343,400	3.20 GB	INT4
text_encoder	2,236,949,085	2.24 GB	INT4
vae_decoder	49,612,856	0.05 GB	INT8
vae_encoder	34,325,660	0.03 GB	INT8
合計	5,520,231,001	5.52 GB

FP16 匯出模型約 20.32 GB（transformer 12.31 GB + text_encoder 7.84 GB + vae_decoder 99 MB + vae_encoder 69 MB）——取自 examples/benchmark.json 的 sysinfo.model_sizes_GB。

⚠️ 早期說明中的 19 GB / 5.2 GB 與實測不符：實際為 20.32 GB / 5.52 GB，本表為準。

INT4 後的 text_encoder 仍有 2.24 GB，因為它是 Qwen3-4B 級別的語言模型，即使 4-bit 量化體積依然可觀。

檔案結構

.
├── README.md                  # 本文件
├── REPORT.md                  # 完整轉換 + 實測報告
├── model_index.json           # diffusers pipeline 索引（ZImagePipeline）
├── openvino_config.json       # OpenVINO 量化設定
├── inference_int4.py          # 單張推論範例
├── generate5.py               # 5 組 prompt 批次生成 + benchmark
├── quantize_int4.py           # FP16 OV → INT4 OV 量化腳本
├── transformer/               # INT4 ZImageTransformer2DModel（6B）
├── text_encoder/              # INT4 Qwen3 語言模型
├── tokenizer/                 # Qwen2Tokenizer
├── vae_encoder/               # INT8 VAE encoder
├── vae_decoder/               # INT8 VAE decoder
├── scheduler/                 # FlowMatchEulerDiscreteScheduler (shift=3.0)
└── examples/                  # 20 張實測圖 + benchmark.json + prompts.txt
    ├── *_8step_1024.png       # 主測組（5 張）
    ├── *_8step_512.png        # 對照組（5 張）
    ├── *_9step_1024.png       # 風格展示（10 張）
    ├── benchmark.json         # 逐 step 耗時 + 記憶體 + 完整系統資訊
    └── prompts.txt            # 5 組 prompt 與 seed

從零復現

# 1. 匯出 FP16 OpenVINO 模型
optimum-cli export openvino \
  -m Tongyi-MAI/Z-Image-Turbo \
  --task text-to-image \
  --library diffusers \
  --weight-format fp16 \
  ./z-image-turbo-ov-fp16

# 2. NNCF weight-only INT4 量化
python quantize_int4.py --fp16-dir ./z-image-turbo-ov-fp16 \
                          --int4-dir  ./z-image-turbo-ov-int4

# 3. 單張推論
python inference_int4.py

# 4. 批次生成 5 組 + 512px 對照 + benchmark
python generate5.py --outdir examples

量化設定：

from optimum.intel.openvino.configuration import (
    OVConfig, OVWeightQuantizationConfig, OVPipelineQuantizationConfig,
)

int4_config = OVWeightQuantizationConfig(
    bits=4, sym=False, group_size=128,
    group_size_fallback="adjust", ratio=1.0,
)

pipeline_config = OVPipelineQuantizationConfig(
    quantization_configs={
        "transformer":  int4_config,
        "text_encoder": int4_config,
    },
    default_config=OVWeightQuantizationConfig(bits=8, sym=True),
)

已知限制

• 記憶體需求高：INT4 模型僅 5.52 GB，但實測推論期間 RSS 達 16.3 GB。這是 OpenVINO CPU 在 INT4 執行時的即時解量化與中間張量所致，建議至少預留 20 GB 可用記憶體。
• CPU 速度有限：1024×1024 平均 111 s / 張，遠慢於同批的 SDXL 蒸餾模型。
• 僅為 weight-only 量化：首次載入 + 編譯約 7.7 s。
• CPU 專用：GPU 使用請改用原模型或自行轉換 OpenVINO GPU。
• 9 steps 蒸餾設定：num_inference_steps > 9 不會變好。
• **model_index.json 宣告單一 vae，但實際目錄為 vae_decoder/ + vae_encoder/**：這是 optimum-intel 匯出的常見情況，OVDiffusionPipeline 可正常載入。
• 風格展示圖無實測紀錄：10 張風格圖未納入 benchmark，完整 prompt 亦未收錄。

授權與出處

• 來源模型：Tongyi-MAI/Z-Image-Turbo

• 授權：apache-2.0（沿用來源模型授權）

• 轉換：僅做格式轉換與權重量化，模型權重來自來源模型

使用本模型時請一併遵守來源模型的授權條款。

---

Made with OpenVINO + optimum-intel + NNCF