Z-Image-TurboをComfyUIで動かす完全手順！8ステップで最初の1枚

監修者_SD以外

監修者プロフィール

森下浩志

日本最大級のAI情報プラットフォーム「romptn ai」編集長。著書に「0からはじめるStable Diffusion」「0からはじめるStable Diffusion モデル・拡張機能集編」など、AmazonベストセラーのAI関連書籍を多数執筆。AIにおける情報の非対称性を解消するための社内研修や出張講義も行う。

Z-Image-Turboとは？まず押さえる3つの特徴

Z-Image-Turbo（ゼットイメージ ターボ）は、Alibaba の Tongyi Lab が開発した画像生成モデルです。難しい用語を使わずに言うと、「文章を入力すると、その内容の画像をローカル（自分のPC）で作れる」モデルで、しかも生成がとても速いのが特徴です。

まず押さえておきたいポイントは次の3つです。

細かい数値は次の表のとおりです。なお、Z-Image そのものの概要や料金プランを先に知りたい方は、概要記事のほうがまとまっています。

この記事では、この Z-Image-Turbo を画像生成ツール「ComfyUI」に組み込み、最初の1枚を出すところまでを順番に進めていきます。

導入前の準備とPCスペックの目安

導入を始める前に、2つだけ準備を確認しておきましょう。これがそろっていれば、後の手順でつまずきにくくなります。

1つ目は ComfyUI 本体です。ComfyUI はノードをつないで画像生成の流れを組み立てるツールで、Z-Image-Turbo はこの ComfyUI 上で動かします。まだ入れていない場合は公式サイト（https://www.comfy.org/）から導入し、起動できる状態にしておいてください。Z-Image-Turbo は比較的新しいモデルなので、ComfyUI は最新版に更新しておくと対応ノードが正しく読み込まれます。

2つ目は GPU と VRAM（ビデオメモリ）の容量です。どのモデル版を選ぶかが、ここで決まります。標準の BF16 版は16GBクラスのVRAMが前提ですが、RTX 3060 / 4060 のような6〜8GBの環境では、容量を抑えた FP8 版や GGUF 版を選ぶのが現実的です。

自分のVRAMが分からないときは、Windows ならタスクマネージャーの「パフォーマンス」タブでGPUのメモリ量を確認できます。まずはこの表で「自分はどの版か」をざっくり決めておけば大丈夫です。次の章で、実際のファイルをダウンロードしていきます。

必要な3ファイルのダウンロードと配置先

ここがこの記事の中心です。Z-Image-Turbo を動かすには、役割の違う3つのファイルを ComfyUI の決まったフォルダに置く必要があります。ファイル名と置き場所を1文字でも間違えると ComfyUI が認識しないので、下の表のとおりに配置してください。

3ファイルはいずれも公式の配布元（Hugging Face の Comfy-Org/z_image_turbo リポジトリ）にまとまっています。リポジトリ内の split_files フォルダから、それぞれ対応するファイルを取得します。

ポイントを補足します。テキストエンコーダの qwen_3_4b は、入力した文章を画像生成が理解できる形に変換する部品です。VAE の ae.safetensors は Flux 系と同じVAEで、最終的な画像の描き出しを担います。拡散モデルは、6〜8GBのVRAM環境なら前章のとおり FP8 版や GGUF 版に置き換えてかまいません（置くフォルダは BF16 と同じ diffusion_models です）。

3つとも正しいフォルダに入れたら、ComfyUI 側でファイルを読み込めるよう、次の章でワークフローを開きます。

ComfyUIでワークフローを読み込む

ファイルを置いたら、次はそれらをつなぐ「ワークフロー」を ComfyUI に読み込みます。ゼロからノードを組む必要はなく、公式が用意したサンプルをそのまま使うのが一番の近道です。

読み込み方法は主に2通りです。

どちらの方法でも、読み込んだ直後にモデルやVAEを選ぶ欄が表示されるので、前の章で配置したファイルを選びます。

もし赤いノードが出たり「ノードが見つからない」と表示されたりした場合は、ComfyUI のバージョンが古いことが原因のことがほとんどです。ComfyUI を最新版に更新してから再起動すると、対応ノードが読み込まれて解消します。ここまでで土台は完成です。次の章から、初心者がもっとも引っかかりやすい設定を1つずつ潰していきます。

ハマりどころNo.1：CLIPのtypeをLumina 2にする

Z-Image-Turbo の導入で一番つまずきやすいのが、このテキストエンコーダ（CLIP）の設定です。ここを間違えると、エラーになったり、思ったような画像にならなかったりします。逆に言えば、ここさえ押さえれば大きな山は越えられます。

設定のポイントは次の2つです。

この2つは、既存の Stable Diffusion や Flux の設定とは共有できません。「他のモデルでは動いていたのに」という場合でも、Z-Image-Turbo 専用にこの設定を見直す必要があります。

CLIP の type を Lumina 2 にできたら、いよいよ生成の設定に進みます。

KSampler設定と8ステップで最初の1枚を生成

設定の最後は、生成の進め方を決める KSampler です。Z-Image-Turbo は蒸留された高速モデルなので、通常のモデルとは推奨値が違います。下の表の値に合わせるのが基本です。

cfg を1.0にするのがポイントです。Z-Image-Turbo はガイダンス（cfg）を内部に取り込む形で蒸留されているため、通常のモデルのように cfg を高くする必要がありません。むしろ高くすると崩れやすくなります。ネガティブプロンプト（避けたい要素の指定）も、この構成では基本的に効きません。

値を入れたら、あとはプロンプト欄に作りたいものを書いて生成を実行するだけです。たとえば次のような短い指定から試すと、結果を確認しやすいでしょう。

a cute corgi sitting on a sofa, soft lighting, photo

実行ボタンを押し、数十秒ほどで1枚目が表示されれば導入は成功です。ここまで来れば、あとはプロンプトを変えて自由に試せます。

低VRAM(6〜8GB)で動かす：FP8とGGUFの選び方

RTX 3060 / 4060 のようにVRAMが6〜8GBの環境では、標準の BF16 版だとメモリが足りないことがあります。そのときは、容量を抑えた FP8 版か GGUF 版に置き換えます。どちらも「拡散モデルのファイルを軽くしたもの」で、置くフォルダは BF16 と同じです。

選び方の目安は次のとおりです。

FP8 版は、拡散モデルのファイルを diffusion_models フォルダに置き換えるだけで使えるので、手軽さで選ぶならこちらです。

GGUF 版を使う場合は、ComfyUI に GGUF を読み込むためのノード（City96 氏の ComfyUI-GGUF）を ComfyUI Manager から追加してから、対応する読み込みノードに差し替えます。ファイル名の末尾にある Q8_0 や Q4_K_M は圧縮の強さを表し、数字が小さいほどファイルが軽く、省メモリになります。6GBならまず Q4_K_M、8GBなら Q8_0 から試すとバランスを取りやすいです。

自分のVRAMに合った版を選べば、低スペックのPCでも8ステップ生成を十分楽しめます。

黒画像・メモリ不足など詰まった時の対処

最後に、つまずいたときの対処をまとめます。代表的なトラブルは原因がだいたい決まっているので、上から順に確認すれば解決しやすいです。

トラブルの多くは、設定の確認とモデル版の切り替えで解決できます。落ち着いて1つずつ試してみてください。

よくある質問（FAQ）

まとめ：Z-Image-Turboをローカルで使いこなすために

Z-Image-Turbo を ComfyUI に導入し、最初の1枚を出すまでの流れを振り返ります。一度通してしまえば、あとはプロンプトを変えるだけで何枚でも高速に生成できます。

つまずかないための勘所は次の3点です。

まずは公式サンプルのワークフローを読み込み、この記事の表のとおりに設定して、短いプロンプトで1枚生成してみてください。うまくいったら、サイズやプロンプトを少しずつ変えて自分の用途に合わせていくのがおすすめです。Z-Image そのものの特徴や料金をあらためて知りたいときは、概要記事も合わせて確認すると理解が深まります。ComfyUI やモデルは更新が続く分野なので、動かなくなったときは本記事のトラブル対処を起点に、最新版へ追従していきましょう。