出图实验室 🎨

固定用 z-image-turbo 反复跑：同提示词下对比 steps / seed / LoRA 的差别。 请求都经过你本机的代理转发给 Gitee AI。
🔑 Key 列表 · 已存 0 个 —— 点开可切换 / 新增 / 删除
存在本机浏览器里（明文）——公共电脑别用；换个设备要重新加一遍。
高级：改 API 基地址（默认 Gitee AI）
⑦ LoRA（可选）· 让模型记住某个具体的人 / 商品 / 画风 —— 点开设置
✅ 已实测：z-image-turbo 认 LoRA（2026-10-10 用假地址验证过）。
官方文档的「支持 LoRA 的模型」列表里没写它，但实测填一个下载不到的地址，上游会明确报 加载 LoRA 失败——说明它真的会去加载这个参数。
所以：把训练好的 LoRA 直链填进来就能直接用。想自己再验一遍，点下面的自检按钮。
会发 2 个请求，花几分钱
LoRA 必须配它对应的基础模型，配错没效果
lora_scale 怎么调：调小 → 保留基础模型的通用能力；调大 → 更贴 LoRA 的概念，但太大会把画面"烧糊"。官方示例用 0.5。
LoRA 从哪来：① 别人开源的（找 .safetensors 直链）；② 自己训——模力方舟控制台 → 模型微调 → 文生图。注意：Base 训的 LoRA 挂到 Turbo 上几乎没效果（社区实测）， 要给 Turbo 用就得用 Turbo 当基础模型训。
等待开始
⚠️ 每生成一张图都会消耗你账号的额度。z-image-turbo 很快很便宜，建议固定 seed 反复跑，才能看出参数改动带来的差别。
🔍 使用说明与推荐实验（点开看）
🔍 这个页面会先试同步接口 POST /api/images/generations；如果那个模型不支持，就自动改用异步接口 POST /api/async/images/generations 拿 task_id 再轮询。
所以有的模型能成、有的会失败——失败信息也是学习材料，我会把上游返回的原始报错原样贴给你。
🧪 推荐做个对照实验（这才是理解"擦几次"的唯一办法）：
同一个模型（用 z-image-turbo，快而便宜）、同一个提示词、seed 固定填 42，然后分三轮跑：第 1 轮 steps 填 1、第 2 轮填 4、第 3 轮填 10。
因为 seed 固定了，起点是同一张雪花点，你就能看出"多擦几次"到底带来了什么变化。想复现任意一张，把 seed 填回去即可。
本次会话还没有生成过图片
📌 每点一次「开始生成」就会新增一轮，最新的一轮排在最上面，往下能看到更早的轮次。
开始新一轮时，旧轮次会自动折叠成一行摘要（点每轮右上角的「展开 ▾」可以再看）。
这些记录只活在当前这个页面里，按 F5 刷新就全没了（也不占你硬盘空间）。