免费在线用 AI 生成图片

描述一个画面，Z-Image-Turbo 就在你自己的机器上作画。模型只从 Hugging Face 获取一次并缓存在你的浏览器中，因此 73hi 服务器从不承载模型，你的提示词也绝不上传。

显卡

尚未检查 GPU。检查不会下载模型文件。

在 Windows 上选择另一块 GPU

Windows 上的 Chrome 使用分配给浏览器的 GPU。此页面无法列出所有已安装的显卡，也无法切换到浏览器未暴露的显卡。

  1. 打开 Windows 设置 → 系统 → 屏幕 → 显示卡设置。添加你用于此工具的浏览器，例如 chrome.exe 或 msedge.exe。
  2. 打开该应用的选项，查看高性能下显示的 GPU 名称。如果它是你想要的显卡就选中它，然后保存。如果 Windows 提供具体的 GPU 选项，请在那里选择你想要的显卡。
  3. 对于 Chrome，你还可以打开 chrome://flags/#force-high-performance-gpu，在可用时启用该选项，然后重启 Chrome。这会请求高性能 GPU；它不会按名称选择显卡。
  4. 完全关闭并重启浏览器，回到这里并选择检查 GPU。在选择加载模型之前，先核实所报告的 GPU 与 f16 支持情况。

如果两个 Windows 选项都显示同一块不想要的显卡，仅选择高性能并不会选中你的另一块 GPU。浏览器必须先暴露那块显卡。GPU 名称可能以厂商和架构报告，而非完整型号名称。

Chrome 在 Windows 上的 GPU 限制

先加载模型，然后输入提示词并生成。

首次加载模型会从 Hugging Face 下载约 5.5 GB，因此可能需要几分钟，网络慢时更久。 请保持此标签页打开，直到进度条完成。当浏览器存储可用时文件会被缓存；选择本地文件可跳过下载。 在获取任何模型文件之前会先运行一个小的 GPU 测试。你的浏览器必须暴露一块支持 WebGPU f16 着色器的 GPU。在有多块 GPU 的电脑上，你可能需要在系统显示卡设置中为浏览器 选择一块兼容的 GPU，并完全重启浏览器。

你的图片会显示在这里

模型文件

    上面每个文件名都是直链，因此点击某个文件名只会下载该文件；.onnx_data 配套文件必须与其计算图一起获取，手动加载才能生效。INT4 ONNX 版本位于 huggingface.co/webnn/Z-Image-Turbo。 Hugging Face 允许跨域请求，因此本页面直接从 Hub 拉取。

    三步搞定

    如何在线生成 AI 图片

    无需账号、无需排队、无需往返服务器，从文字作画。

    1

    编写提示词

    描述场景、主体与光线。具体的提示词比含糊的提示词能生成更好的图片。

    2

    加载模型

    选择加载模型并等待文件就绪，然后选择生成。生成使用已加载的文件，绝不下载模型。

    3

    保存图片

    去噪步骤完成后，图片会绘制在画布上，可下载为 PNG。

    工作原理

    一个完全在你设备上运行的扩散模型

    整个流程都在页面内运行：提示词被编码，一个隐变量被去噪若干步，然后 VAE 把它变成像素。

    阶段 做什么 在哪里运行
    Tokenizer 与文本编码器 把你的提示词转成模型能理解的嵌入 你的浏览器
    Transformer 预测调度中每一步要去除的噪声 你的浏览器
    调度器辅助 应用 flow matching 步骤并产生下一个隐变量 你的浏览器
    VAE 解码器 把完成的隐变量转换成可见图像 你的浏览器

    一次性成本：模型文件合计约 5.5 GB。它们来自 Hugging Face 而非 73hi，你的浏览器会为下次访问缓存它们。

    免费 AI 图片生成器

    私密、不受配额限制、无水印

    在不把提示词交给第三方的前提下作画所需的一切。

    不上传任何内容

    提示词和图片绝不离开你的设备。只下载模型。

    GPU 加速

    借助 WebGPU，去噪循环在你的显卡上运行，因此一张图片只需几秒而非几分钟。

    完全掌控

    选择分辨率、步数与随机种子，即可精确复现任意图片。

    无配额

    无需注册、没有每日上限，你生成的任何内容都没有水印。

    常见问题

    AI 图片生成器常见问题

    模型来自哪里？

    页面直接从 Hugging Face 下载 Z-Image-Turbo 的 INT4 ONNX 版本，后者以宽松的跨域响应头提供该文件。73hi 服务器从不存储或转发模型。

    为什么下载体积这么大？

    即使采用 4 bit 量化，文本编码器与 transformer 合计仍约 5.5 GB。首次运行后它们会缓存在你的浏览器中。

    我需要 GPU 吗？

    需要。仅 transformer 权重就有 3.44 GB，而 WebAssembly 后端是为 wasm32 构建的，其全部内存上限为 4 GB，因此模型根本放不下。WebGPU 转而把权重流式传输到你的显卡，这是此模型在浏览器中运行的唯一方式。请使用 Chrome 或 Edge 130 及更新版本。

    我的提示词会被上传吗？

    不会。提示词的编码与生成完全在你的设备上完成。只下载模型和很小的 tokenizer。

    为什么 1024 x 1024 会失败而 512 x 512 可以？

    权重在每种分辨率下都相同，但 transformer 内部的注意力图会随图像 token 数量的平方增长。512 x 512 的图片在 64 x 64 的隐变量上运算，即 4,096 个 token；而 1024 x 1024 在 128 x 128 的隐变量上运算，即 16,384 个 token，中间数据是前者的十六倍。那是显存的问题，而非 WebAssembly：运行时已经向适配器请求它所能提供的最大限制。如果 1024 在你的显卡上失败，请先用 768；在 768 及以上分辨率时，工具会在去噪循环前释放文本编码器，尽可能为图片本身留出更多内存。

    负向提示词如何工作？

    留空则没有任何变化。填写它并把引导系数设为大于 1，即运行无分类器引导（classifier free guidance）：每一步都会针对两个提示词分别评估模型并合并结果，从而让图片远离你列出的内容。引导系数为 1 表示不引导。由于 Z-Image-Turbo 是一个蒸馏的少步模型，请把该值保持在较低水平，约 1.2 到 2，因为更高的值往往会让图片过饱和。注意引导会使 transformer 的推理次数翻倍，因此一张图片大约需要两倍时间。

    我能使用已经下载的文件吗？

    能。用文件选择器选取模型文件，工具会使用本地副本，而不会再次下载。