Upload 2 files

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+0.png filter=lfs diff=lfs merge=lfs -text

README.md

@@ -1,3 +1,64 @@
----
-license: apache-2.0
----
+---
+base_model:
+- Tongyi-MAI/Z-Image
+base_model_relation: finetune
+frameworks: PyTorch
+language:
+- en
+- zh
+library_name: diffusers
+license: apache-2.0
+pipeline_tag: text-to-image
+tasks:
+- text-to-image-synthesis
+tags:
+  - Z
+---
+## Z-Image-Distilled
+
+本模型为基于 **Z-Image** 源版本（非Turbo）的**直接蒸馏加速版**，旨在测试Z-Image（non-turbo）版本上训练的LoRA效果，并显著提高推理/测试速度。模型**完全没有融入Z-Image-Turbo的任何权重与风格**，属于基于Z-Image的**纯血版本**，较好地保持了原版Z-Image的适配性、出图随机多样性以及整体图像风格。
+
+相比官方Z-Image，推理速度更快（推荐10–20步即可获得较好效果）；相比官方Z-Image-Turbo，本模型保留了更强的多样性、更好的LoRA兼容性与可微调潜力，但速度略慢于Turbo（仍远快于原始Z-Image的28~50步）。
+
+模型主要适用于：  
+- 希望在Z-Image非Turbo基底上训练/测试LoRA的用户  
+- 需要比原版更快、但又不想牺牲太多多样性与风格自由度的场景  
+- 艺术、插画、概念设计等对随机性与风格多样性有一定要求的生成任务
+- 适配ComfyUI推理 layer prefix == model.diffusion_model 
+
+<p align="center">
+    <img src="0.png" width="1200"/>
+</p>
+
+### 使用方法：
+
+basic workflow pls refer to: Z-Image-Turbo offical workflow（兼容官方Z-Image-Turbo工作流）
+
+推荐推理参数：  
+- inference **cfg**: 1.0–2.5（建议1.0~1.8区间，较高值可增强提示贴合度）  
+- inference **steps**: 10–20（10步快速预览，15–20步品质更稳定）  
+- sampler / scheduler: **Euler / simple**，或 **res_m**，或其他兼容sampler  
+
+LoRA兼容性良好，权重建议0.6~1.0，根据需求微调。
+
+Also on: [Civitai](https://civitai.com/models/958009/redcraft-or-redzimage-or-updated-jan30-or-latest-redzib-dx1)
+#### RedCraft | 红潮造相⚡️REDZimage | Updated-JAN30 | Latest - RedZiB⚡️ DX1蒸馏加速
+
+### 当前不足与更新方向
+
+**当前主要不足：**  
+- 蒸馏过程对**文本（特别是极小尺寸文字）**有一定程度的破坏，渲染清晰度与完整性不如原版Z-Image  
+- 色调整体与原版ZI保持一致，但在**个别采样器**下会出现偏色现象（特别是偏蓝色调的表现较为明显）  
+
+**接下来优化方向：**  
+- 进一步稳定 **CFG=1** 情况下 **10步以内** 的生成质量，争取在极低步数下获得更可用、更接近原版风格的结果  
+- 优化 **CFG>1** 时的负向提示词遵循表现，提升对负面描述的控制力，减少不需要的元素干扰  
+- 持续改善小文字区域的清晰度与可读性，同时尽量维持蒸馏带来的速度优势  
+
+欢迎各位使用者提供反馈与生成示例，一起推动这个纯血加速方向的迭代！
+
+### 模型许可：
+
+请遵循 Z-Image 模型的 **Apache-2.0** 许可。
+
+Please follow the **Apache-2.0** open source license for the Z-Image model.