Phòng thí nghiệm Tongyi của Alibaba đã chính thức phát hành Z-Image, một mô hình tạo ảnh mã nguồn mở với 6 tỷ tham số hiện đang gây bão trong cộng đồng AI. Ra mắt vào cuối năm 2025, Z-Image đã nhanh chóng đánh bại các lựa chọn yêu thích trước đây như Flux và SDXL trong mắt nhiều người dùng.
Dù hiệu quả kỹ thuật và khả năng song ngữ rất ấn tượng, chủ đề được bàn tán sôi nổi nhất quanh Z-Image lại là một thuộc tính hoàn toàn khác: tiềm năng cho việc tạo nội dung không hạn chế, không kiểm duyệt. Khác với các mô hình độc quyền chạy trên đám mây bị khóa sau lớp lọc an toàn nghiêm ngặt, trọng số mở của nó cho phép người dùng chạy mô hình cục bộ trên phần cứng phổ thông, trao cho họ quyền tự do hoàn toàn đối với nội dung tạo ra—bao gồm cả nội dung NSFW (Not Safe For Work).
Z-Image là gì và vì sao đang làm xáo trộn thị trường?
Z-Image (hay ZaoXiang) là một mô hình nền tảng do Phòng thí nghiệm Tongyi của Alibaba phát triển. Khác với những mô hình khổng lồ, nặng nề trước đây cần GPU cấp doanh nghiệp, Z-Image được thiết kế hướng tới hiệu quả. Nó sử dụng kiến trúc Scalable Single-Stream Diffusion Transformer (S3-DiT) mới.
Đột phá kỹ thuật: S3-DiT
Phần lớn các bộ tạo ảnh trước đây, như Stable Diffusion XL (SDXL), dùng cách tiếp cận hai dòng (xử lý dữ liệu văn bản và hình ảnh riêng rẽ) hoặc dòng lai như Flux. Z-Image đơn giản hóa bằng cách nối văn bản, token ngữ nghĩa thị giác và token VAE hình ảnh thành một chuỗi thống nhất duy nhất. Điều này cho phép mô hình xử lý mối quan hệ văn bản–hình ảnh trực diện và hiệu quả hơn.
Kết quả? Một mô hình 6 tỷ tham số hoạt động vượt trội đáng kể so với phân hạng của mình.
- Yêu cầu VRAM thấp: Có thể chạy trên GPU chỉ với 6GB to 8GB of VRAM, giúp người dùng sở hữu các card đời cũ như NVIDIA RTX 2060 hoặc 3060 vẫn dễ dàng tiếp cận.
- Tốc độ đáng kinh ngạc: Biến thể Z-Image-Turbo dùng quy trình suy luận chưng cất 8 bước, có thể tạo ảnh chất lượng cao 1024x1024 trong thời gian dưới 1 giây trên H800s, hoặc chỉ vài giây trên các card phổ thông.
- Khả năng song ngữ xuất sắc: Hiển thị văn bản bằng cả tiếng Anh và tiếng Trung với độ chính xác cao, một tính năng thường thiếu ở các mô hình thiên về phương Tây.
Các biến thể
Bản phát hành gồm ba phiên bản riêng biệt:
- Z-Image-Turbo: Vua tốc độ. Tối ưu cho tạo ảnh 8 bước, lý tưởng cho thử nghiệm nhanh và quy trình thời gian thực. Đây là phiên bản đa số người dùng hiện đang triển khai cục bộ.
- Z-Image-Base: Mô hình nền tảng thô. Tuy chậm hơn, nhưng là lựa chọn ưa thích cho cộng đồng tinh chỉnh và huấn luyện LoRA (Low-Rank Adaptations) vì giữ lại nhiều tri thức chi tiết hơn.
- Z-Image-Edit: Biến thể chuyên cho chỉnh sửa ảnh theo chỉ dẫn (ví dụ, "make the person smile", "change background to winter").
Vì sao người dùng chuyển sang Z-Image cho nội dung không hạn chế?
Khác với các mô hình khuếch tán truyền thống cần hàng chục bước để tổng hợp ảnh, Z-Image vượt trội về hiệu quả. Biến thể Turbo—phiên bản phổ biến nhất—đạt độ trễ dưới 1 giây trên các GPU cao cấp như H800, chỉ sử dụng tám Number of Function Evaluations (NFE). Tốc độ này đặc biệt hữu ích cho người sáng tạo NSFW, những người thường lặp lại prompt để tinh chỉnh chi tiết. Tính năng bao gồm kết xuất ảnh giả thực với khả năng kiểm soát ánh sáng, chất liệu và bố cục chuẩn xác; hiển thị văn bản song ngữ tiếng Anh và tiếng Trung; cùng khả năng làm theo chỉ dẫn mạnh. Với ứng dụng NSFW, trạng thái không kiểm duyệt của Z-Image—không có các bộ lọc an toàn như DALL-E hay Midjourney—cho phép tạo nội dung người lớn mà không bị hạn chế, được xác nhận qua các thử nghiệm cộng đồng trên Reddit và YouTube vào cuối năm 2025.
Mô hình Base hỗ trợ tinh chỉnh cho ứng dụng tùy biến, trong khi biến thể Edit cho phép sửa ảnh chính xác bằng các prompt ngôn ngữ tự nhiên.
Vì sao Z-Image lý tưởng cho việc tạo nội dung NSFW?
Đối với nghệ sĩ chuyên nghiệp, nhà phát triển game độc lập và người đam mê, khả năng tạo nội dung không hạn chế là rất quan trọng. Dù là khỏa thân nghệ thuật, chủ đề kinh dị gai góc hay nội dung người lớn, người dùng đã đổ về Z-Image vì nó không rao giảng đạo đức.
Bởi mô hình là mã nguồn mở (giấy phép Apache 2.0), nhà phát triển có thể huấn luyện các adapter nhỏ để định hướng mô hình theo phong cách, nhân vật hoặc chủ đề rõ ràng mà không bị hạn chế.
Tạo nội dung NSFW đòi hỏi sự linh hoạt, độ chính xác chi tiết và tính riêng tư—những phẩm chất mà Z-Image cung cấp rất dồi dào. Các công cụ truyền thống thường kiểm duyệt prompt rõ ràng, hạn chế biểu đạt nghệ thuật. Z-Image thì xử lý đầu vào không kiểm duyệt, cho phép tạo cảnh gợi tình, nhân vật giả tưởng hoặc minh họa chủ đề người lớn với độ trung thực cao. Nó vượt trội về giả thực cho NSFW, thường vượt các mô hình như Stable Diffusion về tuân thủ prompt ở những kịch bản phức tạp liên quan giải phẫu, tư thế và bầu không khí. Cách tiếp cận không kiểm duyệt này phù hợp với việc tạo nội dung người lớn có đạo đức, miễn là người dùng tuân thủ các quy chuẩn pháp lý và hướng dẫn nền tảng.
Làm thế nào để truy cập Z-Image?
Truy cập Z-Image khá đơn giản, có cả tùy chọn dựa trên đám mây và cài đặt cục bộ phù hợp với nhu cầu từng người dùng.
Tìm Z-Image trực tuyến ở đâu?
Điểm truy cập trực tuyến chính là bản demo chính thức trên Hugging Face Spaces, nơi bạn có thể tạo ảnh trực tiếp trong trình duyệt mà không cần cài đặt. Để có trải nghiệm web trau chuốt hơn, hãy ghé z-image.ai, một dịch vụ độc lập triển khai các mô hình Z-Image. Tại đây, người dùng đăng nhập để truy cập thư viện ảnh đã tạo, chọn tỉ lệ khung hình (ví dụ 16:9 cho cảnh NSFW màn rộng) và dùng tín dụng miễn phí hàng ngày.
Với người dùng nâng cao, các model checkpoint có sẵn trên Hugging Face (https://huggingface.co/Tongyi-MAI/Z-Image-Turbo) và ModelScope.
Z-Image có những tùy chọn miễn phí và trả phí nào?
Truy cập miễn phí gồm số tín dụng hằng ngày hạn chế trên z-image.ai, đủ để thử nghiệm các prompt NSFW. Gói trả phí cung cấp thêm tín dụng cho khối lượng tạo ảnh lớn, bắt đầu ở mức giá hợp lý. Với người yêu thích mã nguồn mở, truy cập cục bộ qua GitHub (https://github.com/Tongyi-MAI/Z-Image) hoàn toàn miễn phí, dù cần đầu tư phần cứng.
Cách cài đặt Z-Image cục bộ?
Cài đặt cục bộ mở khóa quyền kiểm soát hoàn toàn, rất cần thiết cho việc tạo NSFW nhạy cảm về quyền riêng tư. Vì là mã nguồn mở, đây không phải “ứng dụng” tải từ cửa hàng, mà là mô hình bạn chạy trong một môi trường.
Cần phần cứng và phần mềm gì?
Z-Image Turbo chạy hiệu quả trên GPU có 6–12GB VRAM, như NVIDIA RTX 3060 hoặc cao hơn. Yêu cầu phần mềm gồm Python 3.10+, PyTorch 2.0+ và CUDA cho GPU NVIDIA.
Hướng dẫn cài đặt từng bước
- Clone repository:
git clonehttps://github.com/Tongyi-MAI/Z-Image.gitvà chuyển vào thư mục. - Cài đặt phụ thuộc:
pip install -e .cho suy luận native, hoặcpip install git+https://github.com/huggingface/diffusersđể hỗ trợ Diffusers. - Tải mô hình: Lấy
Z-Image-Turbotừ Hugging Face và đặt vào thư mục models của bạn. - Tích hợp ComfyUI (khuyến nghị cho quy trình dạng node): Cài đặt ComfyUI, cập nhật, và tải các tệp safetensors cần thiết như
z_image_turbo_bf16.safetensors.
Cách tạo nội dung NSFW với Z-Image?
Tạo nội dung NSFW liên quan đến soạn prompt hiệu quả và tinh chỉnh tham số.
Prompt nào hiệu quả nhất cho ảnh NSFW?
Prompt NSFW hiệu quả nên chi tiết: chỉ rõ giải phẫu, tư thế, ánh sáng và tâm trạng. Ví dụ: "Một người phụ nữ đẫy đà trong đồ lót, tạo dáng quyến rũ, ánh sáng phòng ngủ mờ, giả thực." Khả năng song ngữ của nó cho phép trộn ngôn ngữ để ra kết quả độc đáo. Mẹo từ hướng dẫn tháng 12/2025 của fal.ai gợi ý tránh những thuật ngữ mơ hồ để tăng độ tuân thủ.
Cách dùng mã Python để tạo NSFW?
Dưới đây là ví dụ Python dùng Diffusers để tạo cục bộ:
import torch
from diffusers import ZImagePipeline
# Tải pipeline
pipe = ZImagePipeline.from_pretrained(
"Tongyi-MAI/Z-Image-Turbo",
torch_dtype=torch.bfloat16,
low_cpu_mem_usage=False,
)
pipe.to("cuda")
# Bật tối ưu hóa (tùy chọn)
# pipe.transformer.compile()
# pipe.enable_model_cpu_offload()
# Ví dụ prompt NSFW
prompt = "Cảnh gợi tình của một cặp đôi khỏa thân ôm nhau say đắm, ánh nến dịu, giải phẫu chi tiết, độ phân giải cao, giả thực."
# Tạo ảnh
image = pipe(
prompt=prompt,
height=1024,
width=1024,
num_inference_steps=9, # Tối ưu cho Turbo
guidance_scale=0.0, # Không dùng guidance để có đầu ra không kiểm duyệt
generator=torch.Generator("cuda").manual_seed(69),
).images[0]
image.save("nsfw_example.png")
Đoạn mã này tạo ảnh NSFW chất lượng cao trong vài giây. Hãy thử nghiệm với seed để có biến thể khác nhau.
Kỹ thuật nâng cao: Chỉnh sửa ảnh cho NSFW
Dùng Z-Image-Edit để chỉnh sửa ảnh có sẵn: Tải lên ảnh nền và prompt "Tăng cường độ khỏa thân với chi tiết rõ ràng hơn." Biến thể này, dự kiến phát hành đầy đủ vào đầu năm 2026 theo các cập nhật tin tức, vượt trội trong chỉnh sửa sáng tạo.
Người dùng nên soạn prompt thế nào để có kết quả tốt nhất?
Cách soạn prompt cho Z-Image hơi khác so với các mô hình cũ như Stable Diffusion 1.5. Vì dùng backbone Transformer tương tự các Mô hình Ngôn ngữ Lớn (LLM), nó hiểu ngôn ngữ tự nhiên tốt hơn.
1. Ngôn ngữ tự nhiên so với "tag salad"
- Cách cũ (SD1.5):
masterpiece, best quality, 1girl, red dress, standing, city street, bokeh - Cách Z-Image:
A high-quality photo of a woman wearing a red dress standing on a busy city street with blurred lights in the background.
Dù nó có thể hiểu các thẻ ngăn cách bằng dấu phẩy, Z-Image vượt trội khi bạn mô tả cảnh bằng câu đầy đủ. Điều này đặc biệt hữu ích cho việc tạo các cảnh không hạn chế phức tạp nơi mối quan hệ giữa đối tượng (ví dụ “X đang cầm Y”) là then chốt.
2. Tận dụng khả năng song ngữ
Một trong những điểm độc đáo của Z-Image là khả năng hiển thị văn bản. Nếu bạn muốn có chữ trong ảnh, chỉ cần để chữ trong dấu ngoặc kép.
- Prompt:
A movie poster for a horror film titled "THE UNKNOWN", dark atmosphere, skulls. - Kết quả: Mô hình nhiều khả năng sẽ hiển thị đúng chữ "THE UNKNOWN", một điều làm khó hầu hết các mô hình khác.
3. Dùng negative prompt
Với phiên bản Turbo, negative prompt (bảo mô hình không tạo thứ gì đó) kém hiệu quả hơn vì mô hình có ít bước để “sửa” lại.
Lời khuyên: Tập trung vào prompt dương mạnh. Nếu cần loại bỏ các yếu tố cụ thể (ví dụ “bàn tay biến dạng”), thường tốt hơn là dùng mô hình Base hoặc tinh chỉnh ảnh bằng quy trình img2img.
Kết luận
Việc phát hành Z-Image đánh dấu một thời khắc mang tính bước ngoặt. Nó chứng minh rằng các mô hình mã nguồn mở từ Trung Quốc không chỉ bắt kịp các mô hình đóng của phương Tây mà còn vượt lên về hiệu quả và khả năng tiếp cận.
Đối với người dùng quan tâm đến nội dung không hạn chế, Z-Image đại diện cho sự tự do. Nó phá vỡ sự phụ thuộc vào các dịch vụ đăng ký giám sát và kiểm duyệt đầu vào. Tuy nhiên, tự do đi kèm trách nhiệm.
CometAPI cũng cung cấp các mô hình Grok ít bị hạn chế tương tự (Grok có cho phép NSFW không? Mọi điều bạn cần biết), cùng các mô hình như Nano Banana Pro, GPT- image 1.5, Sora 2 (Sora 2 có thể tạo nội dung NSFW không? Làm thế nào để thử?) v.v.—miễn là bạn có các mẹo và thủ thuật NSFW phù hợp để vượt qua hạn chế và bắt đầu sáng tạo tự do. Trước khi truy cập, vui lòng đảm bảo bạn đã đăng nhập CometAPI và lấy API key. CometAPI cung cấp mức giá thấp hơn nhiều so với giá chính thức để hỗ trợ bạn tích hợp.
Sẵn sàng bắt đầu?→ Dùng thử miễn phí để tạo!