一、前期准备：创建 / 核对模型存放文件夹
步骤 1：打开你的 ComfyUI 根目录
你启动路径是H:\ComfyUI\ComfyUI-aki-v3\ComfyUI-aki-v3\ComfyUI，进入该文件夹，打开models目录，检查下面 4 个文件夹，不存在就手动新建：
diffusion_models（存放 Z-Image-Turbo 主扩散模型）text_encoders（存放 Qwen3 文本编码器）vae（存放专属 VAE）controlnet（后续要用配套 ControlNet 再放）
重点提醒：不要把 Z-Image 主模型放进 checkpoints，
CheckpointLoaderSimple读取 checkpoints，无法读取 diffusion_models 里的模型
二、下载所需模型权重（3 个必下文件）
步骤 2：获取官方模型下载地址
开源仓库地址：https://huggingface.co/ByteDance/Z-Image-Turbo 需要下载 3 个核心文件：
- 主扩散模型：
z_image_turbo.safetensors→ 放入models/diffusion_models - 文本编码器文件夹
qwen3_4b_clip整个文件夹 → 放入models/text_encoders - VAE：
vae.safetensors→ 放入models/vae
避坑：不要把 Z-Image 文件丢进 checkpoints，会出现你之前not in []找不到模型报错
下载小技巧（HuggingFace 慢）
- 方式 A：用
huggingface下载器、hf_transfer加速； - 方式 B：找国内镜像站（魔搭 ModelScope）ModelScope 魔搭社区搜索 Z-Image-Turbo 下载造相-Z-Image-Turbo 点击链接前往；
- 不要只单独下载部分文件，文本编码器是整套文件夹，不能只抽单个文件。
步骤 3：放置模型到对应目录
z_image_turbo.safetensors→H:\ComfyUI\ComfyUI-aki-v3\ComfyUI-aki-v3\ComfyUI\models\diffusion_models- 完整
qwen3_4b_clip文件夹 →models\text_encoders vae.safetensors→models\vae
三、安装Z-Image-Turbo必备自定义节点（插件）（缺少节点会加载工作流失败）
步骤 4：安装 ComfyUI-ZImageTurbo 节点包
- 关闭正在运行的 ComfyUI 命令行窗口；
- 进入
ComfyUI\custom_nodes文件夹； - 两种安装方式选其一：
方式 1（Git 安装，推荐）
在顶部地址栏输入cmd回车，输入cmd回车，打开命令行，执行：
git clone https://github.com/ByteDance/ComfyUI-ZImageTurbo.git执行完成后，custom_nodes 会多出ComfyUI-ZImageTurbo文件夹
方式 2（无 Git 手动安装）
- 打开插件 Github 页面：https://github.com/ByteDance/ComfyUI-ZImageTurbo
- 右上角点
Code→Download ZIP，下载压缩包 - 解压压缩包，把内层
ComfyUI-ZImageTurbo文件夹，拖进custom_nodes
步骤 5：安装依赖库（必做，否则节点报错）
- 回到 ComfyUI 根目录，地址栏输入 cmd 打开终端
- 复制这条命令，回车安装依赖：
pip install transformers accelerate sentencepiece出现Successfully installed xxx代表安装成功，红色报错就重新执行一次。
四、导入官方工作流、启动测试
步骤 6：重启 ComfyUI
- 运行你原本的启动脚本（main.py 启动命令）；
- 等待服务启动完成，打开浏览器访问
http://127.0.0.1:8188； - 若控制台没有节点报错，说明自定义节点加载成功。
步骤 7：导入示例工作流
- 回到 HuggingFace 仓库，下载
workflow/z_image_turbo_example.json； - 在 ComfyUI 界面，点击右上角「Load」，选中这个 json 文件导入；
- 界面自动生成完整工作流，包含模型加载、采样、VAE 解码节点。
步骤 8：核对节点模型选择
逐个检查下拉选项：
- Diffusion 模型加载节点：选中
z_image_turbo.safetensors； - Text Encoder 节点：选中
qwen3_4b_clip； - VAE 节点：选中
vae.safetensors；
若下拉没看到对应模型：按 Ctrl+F5 强制刷新浏览器，还没有就彻底关闭 ComfyUI 再重启一次
步骤 9：设置生成参数（关键，参数错效果极差）
表格
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 采样步数 | 8~9 | Turbo 极速模型，步数高反而画质下降 |
| CFG | 0 | 该模型训练适配 CFG=0，不要用 SD 常用的 7 左右 |
| 采样器 | euler | 官方最优采样器 |
| 分辨率 | 1024×1024 | 原生训练分辨率，可上下微调 |
步骤 10：执行生成
输入正向提示词（支持中文），点击「Queue Prompt」运行，RTX4060Ti 单张图几秒即可完成。
五、常见问题修复（对应你可能遇到的报错）
- 报错：Value not in list 找不到模型原因：模型放错文件夹；解决：核对 diffusion_models/text_encoders/vae 三个路径，不要丢进 checkpoints。
- 画布出现红色缺失节点原因：插件没装 / 依赖没装；解决：重新执行 pip 安装依赖，重启 ComfyUI。
- 生成画面模糊、色块扭曲原因：步数 / CFG 参数错误；解决：步数 8、CFG=0，不要套用 SD1.5 参数。
- 下拉列表看不到模型文件解决：完全关闭 ComfyUI 所有窗口，重新启动程序（程序启动时才扫描模型文件夹）。
六、拓展（可选）
如需 ControlNet 能力，下载官方配套 ControlNet 权重，放入models/controlnet，再导入 ControlNet 拓展工作流即可。
