Alibaba の Tongyi Lab は、パラメータ数60億のオープンソース画像生成モデル Z-Image を正式に公開し、現在 AI コミュニティで大きな話題を呼んでいる。2025年末にリリースされた Z-Image は、多くのローカルユーザーの目には、Flux や SDXL といった従来の人気モデルをすばやく凌駕した。
その技術的な効率性とバイリンガル対応は印象的だが、Z-Image をめぐる最大の話題はまったく別の属性、すなわち無制限・無検閲のコンテンツ生成の可能性にある。厳しい安全フィルタの背後にロックされたプロプライエタリなクラウドモデルと異なり、オープンなウェイトによりコンシューマ向けハードウェアでローカル実行でき、生成するコンテンツを完全に自由にコントロールできる—NSFW（Not Safe For Work）素材を含めて。
Z-Imageとは何か、なぜ市場を揺るがしているのか？
Z-Image（またはZaoXiang）は、Alibaba の Tongyi Lab が開発したファンデーションモデルである。過去の、企業向けGPUを必要とする巨大で重いモデルとは異なり、Z-Image は効率性を念頭に設計されている。新しい**Scalable Single-Stream Diffusion Transformer（S3-DiT）**アーキテクチャを採用する。
技術的ブレークスルー：S3-DiT
Stable Diffusion XL（SDXL）など従来の多くの画像生成器は、二重ストリーム（テキストと画像データを別々に処理）や Flux のようなハイブリッドストリームを採用していた。Z-Image は、テキスト、視覚セマンティックトークン、画像の VAE トークンを単一の統一シーケンスに連結することで、これを単純化する。これにより、テキストと画像の関係をより直接的かつ効率的に扱える。
その結果は？ パラメータ数60億ながら、サイズ以上の性能を大きく発揮するモデルとなった。
- 低VRAM要件： 6GB〜8GB の VRAM を搭載したGPUで動作可能で、NVIDIA RTX 2060 や 3060 といった旧世代カードでも利用できる。
- 驚異的な速度： Z-Image-Turbo は蒸留により 8 ステップの推論プロセスを採用し、H800 では 1024x1024 の高品質画像をサブ秒で、コンシューマ向けカードでも数秒で生成できる。
- バイリンガルの精度： 英語と中国語の双方でテキストを高精度に描画でき、西洋中心のモデルでしばしば不足する機能を補う。
バリアント
今回のリリースには3つの異なるバージョンが含まれる：
- Z-Image-Turbo： スピード重視。8ステップ生成に最適化され、迅速な反復やリアルタイムワークフローに理想的。ローカル利用では現時点で最も導入が進むバージョン。
- Z-Image-Base： 生のファンデーションモデル。速度は遅いが、詳細な知識を多く保持しているため、コミュニティでのファインチューニングや LoRA（Low-Rank Adaptations）の学習に好まれる。
- Z-Image-Edit： 命令追従型の画像編集に特化（例：「人物を笑顔にして」「背景を冬に変更」）。
なぜユーザーは無制限コンテンツのために Z-Image を選ぶのか？
従来の拡散モデルが画像合成に多数のステップを必要としていたのに対し、Z-Image は効率性に優れる。中でも最も人気のある Turbo バリアントは、高性能 GPU（H800 など）でのサブ秒レイテンシを、わずか 8 回の関数評価（NFE）で実現する。この速度は、露骨なディテールを洗練するためにプロンプトを反復しがちな NSFW クリエイターにとって特に有益だ。機能としては、ライティング、テクスチャ、構図を精密に制御したフォトリアリスティックな描写、英中バイリンガルのテキスト描画、そして強力な命令追従性がある。NSFW 用途では、Z-Image が DALL-E や Midjourney のようなモデルに実装されているセーフティフィルタを欠く「非検閲」状態であるため、成人向けコンテンツを制限なく生成できる点が、2025年末の Reddit や YouTube といったコミュニティでのテストによって確認されている。
ベースモデルはカスタム用途に向けたファインチューニングをサポートし、Edit バリアントは自然言語プロンプトによる精密な画像修正を可能にする。
NSFWコンテンツ制作にZ-Imageが最適な理由
プロのアーティスト、インディーのゲーム開発者、ホビイストにとって、無制限にコンテンツを生成できることは重要だ。芸術的なヌード、過激なホラー表現、成人向けコンテンツなど、Z-Image にユーザーが集まるのは、道徳を説教しないからである。
モデルがオープンソース（Apache 2.0 ライセンス）であるため、開発者は小規模アダプタを学習させて、特定のスタイル、キャラクター、あるいは露骨なテーマにモデルを誘導でき、制約を受けない。
NSFW コンテンツ制作には、柔軟性、ディテールの正確性、プライバシーが求められる—Z-Image はこれらを高いレベルで満たす。従来のツールは露骨なプロンプトを検閲し、表現の幅を制限することが多いが、Z-Image は非検閲の入力を処理でき、官能的なシーン、ファンタジーの人物、成人向けイラストを高い忠実度で生成可能だ。解剖学、ポーズ、雰囲気などを含む複雑なシナリオでのプロンプト遵守性において、Stable Diffusion などを上回ることもしばしば見られる。この非検閲アプローチは、ユーザーが法令やプラットフォームのガイドラインを順守する限り、倫理的な成人向けコンテンツ制作と整合する。
Z-Imageへのアクセス方法は？
Z-Image へのアクセスは簡単で、クラウドとローカルの両方の選択肢があり、ニーズに応じて使い分けられる。
オンラインでZ-Imageを利用できる場所は？
主なオンラインの入口は、Hugging Face Spaces の公式デモで、インストール不要でブラウザから直接画像を生成できる。より洗練されたウェブ体験を求めるなら、Z-Image モデルをデプロイする独立サービス z-image.ai を訪れるとよい。ここでは、サインインして生成ギャラリーを閲覧し、アスペクト比（例：ワイドスクリーンの NSFW シーンに 16:9）を選択し、毎日付与される無料クレジットを使える。
上級者向けには、Hugging Face（https://huggingface.co/Tongyi-MAI/Z-Image-Turbo）や ModelScope にモデルのチェックポイントが公開されている。
Z-Imageの無料・有料オプションは？
無料アクセスには z-image.ai での一日あたりの無料クレジットが含まれ、NSFW プロンプトのテストに十分だ。有料プランでは高ボリューム生成に向けた追加クレジットを提供し、手頃な価格帯から始められる。オープンソース志向のユーザーには、GitHub（https://github.com/Tongyi-MAI/Z-Image）を通じたローカル利用が完全無料で可能だが、ハードウェア投資は必要になる。
Z-Image をローカルにインストールするには？
ローカルインストールは完全なコントロールを解放し、プライバシー重視の NSFW 制作に不可欠だ。これはオープンソースであり、ストアからアプリをダウンロードする類のものではなく、環境内で動かすモデルである。
必要なハードウェアとソフトウェアは？
Z-Image Turbo は VRAM 6〜12GB の GPU（NVIDIA RTX 3060 以上など）で効率的に動作する。ソフトウェアの前提条件は、Python 3.10+、PyTorch 2.0+、および NVIDIA GPU 向けの CUDA。
手順付きインストールガイド
- リポジトリをクローン：
git clonehttps://github.com/Tongyi-MAI/Z-Image.gitに続けて、ディレクトリに移動。 - 依存関係をインストール： ネイティブ推論向けに
pip install -e .、もしくは Diffusers 対応のためにpip install git+https://github.com/huggingface/diffusers。 - モデルをダウンロード： Hugging Face から
Z-Image-Turboを取得し、models フォルダに配置。 - ComfyUI 連携（ノードベースのワークフロー向けに推奨）： ComfyUI をインストール・更新し、
z_image_turbo_bf16.safetensorsのような必要な safetensors ファイルをダウンロード。
Z-ImageでNSFWコンテンツを生成するには？
NSFW コンテンツの作成には、効果的なプロンプト設計とパラメータ調整が重要である。
NSFW画像に最適なプロンプトは？
効果的な NSFW プロンプトは具体的であるべきだ。解剖学、ポーズ、ライティング、ムードを指定する。例：「ランジェリー姿の豊満な女性、誘惑的なポーズ、薄暗い寝室の照明、フォトリアリスティック」。バイリンガル対応により、言語を混ぜることでユニークな結果を得られる。fal.ai の 2025年12月のガイドでは、曖昧な語を避けることで遵守性が向上すると示唆している。
NSFW生成のためのPythonコードの使い方は？
以下は、ローカル生成に Diffusers を使う Python の例である：
import torch
from diffusers import ZImagePipeline
# Load the pipeline
pipe = ZImagePipeline.from_pretrained(
"Tongyi-MAI/Z-Image-Turbo",
torch_dtype=torch.bfloat16,
low_cpu_mem_usage=False,
)
pipe.to("cuda")
# Enable optimizations (optional)
# pipe.transformer.compile()
# pipe.enable_model_cpu_offload()
# NSFW prompt example
prompt = "Erotic scene of a nude couple embracing passionately, soft candlelight, detailed anatomy, high resolution, photorealistic."
# Generate image
image = pipe(
prompt=prompt,
height=1024,
width=1024,
num_inference_steps=9, # Optimal for Turbo
guidance_scale=0.0, # No guidance for uncensored output
generator=torch.Generator("cuda").manual_seed(69),
).images[0]
image.save("nsfw_example.png")
このコードは数秒で高品質な NSFW 画像を生成する。バリエーションを得るにはシードを試行錯誤するとよい。
応用テクニック：NSFW向けの画像編集
既存の画像を修正するなら Z-Image-Edit を使用する： ベース画像をアップロードし、「裸体表現をより露骨に強調する」のようにプロンプトする。ニュース更新によれば、この微調整バリアントは 2026年初頭に正式リリース予定で、創造的な編集に秀でる。
最良の結果を得るためのプロンプトの作法
Z-Image のプロンプト設計は、Stable Diffusion 1.5 のような旧来モデルとはやや異なる。LLM に似た Transformer バックボーンを用いるため、自然言語をよりよく理解する。
1. 自然文 vs. タグの羅列
- 従来の方法（SD1.5）：
masterpiece, best quality, 1girl, red dress, standing, city street, bokeh - Z-Image 流：
A high-quality photo of a woman wearing a red dress standing on a busy city street with blurred lights in the background.
カンマ区切りのタグも理解できるが、シーンを文で記述すると真価を発揮する。これは、オブジェクト間の関係（例：「X が Y を持っている」）が重要な、複雑で非検閲のシーン生成で特に有用だ。
2. バイリンガル能力の活用
Z-Image のユニークな機能の1つは、テキストを描画できることだ。画像内にテキストを入れたい場合は、引用符で囲んでそのまま書けばよい。
- Prompt:
A movie poster for a horror film titled "THE UNKNOWN", dark atmosphere, skulls. - Result: モデルは「THE UNKNOWN」というテキストを正しく描画する可能性が高い。これは多くの他モデルが苦手とする点だ。
3. ネガティブプロンプトの使用
Turbo バージョンでは、ネガティブプロンプト（生成してほしくないものを指示する）は効果が低い。ステップ数が少ないため、「自己修正」できる余地が限られるからだ。
アドバイス： ポジティブプロンプトを強化することに注力する。特定の要素（例：「奇形の手」）を除去したい場合は、Base モデルを使うか、img2img ワークフローで画像を洗練させる方がよいことが多い。
結論
Z-Image のリリースは分水嶺である。中国発のオープンソースモデルが、西側のクローズドソースモデルに追いつくだけでなく、効率性とアクセス性において上回りつつあることを示した。
無制限のコンテンツを望むユーザーにとって、Z-Image は自由の象徴だ。入力を監視・検閲するサブスクリプション型サービスへの依存を断ち切る。しかし、この自由には責任が伴う。
CometAPI は、同様に制約の少ない Grok モデル（Grok は NSFW を許可する？完全ガイド）に加え、Nano Banana Pro、GPT- image 1.5、Sora 2（Sora 2 は NSFW コンテンツを生成できる？どう試す？）などを提供している—適切な NSFW のヒントとコツがあれば、制限を回避して自由に制作を始められる。アクセスの前に、CometAPI にログインして API キーを取得しておくこと。 CometAPI は公式価格よりもはるかに低価格での統合を支援する。
準備はいいですか？→ 無料トライアルで作成 ！