造相-Z-Image-Turbo LoRA Web服务教程：API接口文档+Python调用示例-程序员充电站

造相-Z-Image-Turbo LoRA Web服务教程：API接口文档+Python调用示例

1. 功能概述

造相-Z-Image-Turbo LoRA Web服务是一个基于Z-Image-Turbo模型的图片生成系统，特别集成了laonansheng/Asian-beauty-Z-Image-Turbo-Tongyi-MAI-v1.0 LoRA模型，能够生成高质量的亚洲风格人物图像。本教程将详细介绍如何通过API接口和Python代码调用该服务。

2. 环境准备与部署

2.1 系统要求

操作系统：Linux/Windows/macOS
Python版本：3.11+
GPU支持：推荐NVIDIA GPU（8GB+显存）
内存要求：至少16GB系统内存

2.2 快速部署步骤

克隆仓库：

git clone https://github.com/example/Z-Image-Turbo-LoRA.git cd Z-Image-Turbo-LoRA

安装依赖：

pip install -r backend/requirements.txt

配置模型路径：编辑.env文件，设置模型路径：

MODEL_PATH=../models/Z-Image-Turbo LORA_DIR=../loras

启动服务：

cd backend && python main.py

3. API接口文档

3.1 基础接口

生成图片接口

URL:/api/generate
方法: POST
请求头:
- Content-Type: application/json
请求参数:

{ "prompt": "描述文本", "negative_prompt": "负面描述文本", "lora_model": "Asian-beauty-Z-Image-Turbo-Tongyi-MAI-v1.0", "lora_scale": 0.8, "width": 1024, "height": 1024, "num_inference_steps": 9, "seed": 42 }

响应示例:

{ "status": "success", "image_url": "/generated/12345.png", "time_cost": 3.45 }

获取历史记录

URL:/api/history
方法: GET
响应示例:

[ { "id": "12345", "prompt": "描述文本", "timestamp": "2023-01-01T12:00:00", "image_url": "/generated/12345.png" } ]

3.2 高级接口

批量生成接口

URL:/api/batch_generate
方法: POST
请求参数:

{ "prompts": ["描述1", "描述2"], "common_params": { "width": 1024, "height": 1024 } }

LoRA模型管理

URL:/api/lora_models
方法: GET
响应示例:

[ { "name": "Asian-beauty-Z-Image-Turbo-Tongyi-MAI-v1.0", "description": "亚洲风格人物LoRA" } ]

4. Python调用示例

4.1 基础调用

import requests import json def generate_image(prompt, lora_scale=0.8): url = "http://localhost:7860/api/generate" headers = {"Content-Type": "application/json"} data = { "prompt": prompt, "lora_model": "Asian-beauty-Z-Image-Turbo-Tongyi-MAI-v1.0", "lora_scale": lora_scale, "width": 1024, "height": 1024 } response = requests.post(url, headers=headers, data=json.dumps(data)) return response.json() # 示例调用 result = generate_image("一位穿着传统服饰的亚洲女性，站在樱花树下") print(result)

4.2 批量生成与结果下载

import os from PIL import Image import io import base64 def batch_generate_and_save(prompts, output_dir="output"): os.makedirs(output_dir, exist_ok=True) for i, prompt in enumerate(prompts): result = generate_image(prompt) image_url = result["image_url"] # 下载图片 full_url = f"http://localhost:7860{image_url}" image_data = requests.get(full_url).content # 保存图片 with open(f"{output_dir}/image_{i}.png", "wb") as f: f.write(image_data) print(f"已保存: {output_dir}/image_{i}.png") # 示例调用 prompts = [ "亚洲女性，微笑，城市背景", "亚洲男性，商务装扮，办公室环境" ] batch_generate_and_save(prompts)

4.3 高级参数调整

def generate_with_advanced_params(): url = "http://localhost:7860/api/generate" data = { "prompt": "亚洲少女，阳光照射，森林背景，4K高清", "negative_prompt": "模糊，低质量，变形", "lora_model": "Asian-beauty-Z-Image-Turbo-Tongyi-MAI-v1.0", "lora_scale": 1.2, "width": 1024, "height": 1024, "num_inference_steps": 12, "seed": 12345, "guidance_scale": 7.5 } response = requests.post(url, json=data) return response.json()

5. 最佳实践与技巧

5.1 提示词优化

具体描述：越详细的描述生成效果越好
- 示例："一位20多岁的亚洲女性，长发，穿着红色旗袍，站在上海外滩，黄昏时分，4K高清"
风格控制：通过LoRA模型名称和强度参数控制风格
- lora_scale建议值：0.5-1.5

5.2 性能优化

分辨率选择：
- 512x512：快速生成，适合测试
- 768x768：平衡质量与速度
- 1024x1024：最高质量，需要更多显存
推理步数：
- 6-9步：快速生成
- 12-20步：更精细的结果

5.3 错误处理

try: result = generate_image("亚洲女性肖像") if result.get("status") == "success": print("生成成功") else: print(f"生成失败: {result.get('message')}") except requests.exceptions.RequestException as e: print(f"请求错误: {str(e)}") except Exception as e: print(f"未知错误: {str(e)}")