已保存的文件元数据(25 个文件)
历史来源元数据,不是文件的副本。校验和不能证明当前可用。
model.safetensors
eaad037756f1afd7cb847ff4b7c23db02ec56936bb30806903fb57d2b0b1588d
tokenizer.json
be75606093db2094d7cd20f3c2f385c212750648bd6ea4fb2bf507a6a4c55506
extras/ImageEditServer.py
未记录 SHA-256
extras/NVFP4TextEncoder.py
未记录 SHA-256
extras/ImageGenServer_cpu.py
未记录 SHA-256
extras/OmniImageEditServer.py
未记录 SHA-256
extras/QwenBackend.py
未记录 SHA-256
extras/ImageGenServer_new.py
未记录 SHA-256
extras/ImageGenClient.py
未记录 SHA-256
chat_template.jinja
未记录 SHA-256
extras/ZImageTurboBackend.py
未记录 SHA-256
extras/KontextBackend.py
未记录 SHA-256
extras/ImageGenServer.py
未记录 SHA-256
config.json
未记录 SHA-256
extras/compress_mllm.py
未记录 SHA-256
extras/QwenImageBackend.py
未记录 SHA-256
extras/Flux2Backend.py
未记录 SHA-256
extras/GlmBackend.py
未记录 SHA-256
.gitattributes
未记录 SHA-256
extras/imagegen_zimage_turbo.sh
未记录 SHA-256
tokenizer_config.json
未记录 SHA-256
README.md
未记录 SHA-256
extras/imagegen_zimage_turbo_int4.sh
未记录 SHA-256
recipe.yaml
未记录 SHA-256
generation_config.json
未记录 SHA-256
已保存的模型卡(历史版本)
This is Z-Image-Turbo text encoder quantized to NVFP4, with working inference scripts that emulate OpenAI image generation viewpoint enclosed in extras. Scripts use vLLM for actual
encoder inference. In combination with nunchaku-ai/nunchaku-z-image-turbo, the model comfortably fits on a 16GB NVIDIA GeForce RTX 5060 Ti GPU, allowing very fast image
generation with no sequential offload needed. I also uncensored encoder with Heretic to hopefully improve prompt adherence.
模型讨论
分享经验,帮助他人,建立信任。
正在加载评论…
围绕模型展开讨论。禁止垃圾信息、诈骗和人身攻击。评论和回复中不允许包含链接。 评论规则