生图届迎来了他最严厉的父亲！我不知道你们有没有遇到过这种抓狂时刻， 脑子里明明有构图，模型却一直自由发挥😅 刚好模思智能新开源了MOSS-Image ，这个… · @AI_jacksaku · TwKit

@AI_jacksaku

生图届迎来了他最严厉的父亲！我不知道你们有没有遇到过这种抓狂时刻， 脑子里明明有构图，模型却一直自由发挥😅 刚好模思智能新开源了MOSS-Image ，这个模型DiT 主干只有 5B 参数，ComfyUI 版在 HF 近一月下载量已经超过100 万！ 我比较感兴趣的是它支持结构化 JSON Layout：文字写什么、放哪里，画面里有哪些元素、各占多大位置，都可以明确指定。做海报、产品图、社媒封面时，能把构图要求交代得更具体。 我想要的就是这种感觉：从同一个构图出发，一处一处推敲。 这次我直接拿《维纳斯的诞生》来尝试：先在网页里解析参考画布局，再依次改中央人物、贝壳、花瓣和天空。 黑纱、黑曜石、飞蛾、月食，每次只改为想要改动的那一处，熟悉的构图就有了完全不同的气质。 这次每一步都是根据修改后的布局重新生成整张图，细节会有变化。四轮修改要求和网页操作，我也都留在了视频里。 除了这次测的布局控制，它还支持中英文文字渲染，文字较多的海报、信息图也能尝试；支持最长 4K tokens 提示词，复杂场景可以把人物、材质、光线和位置写清楚。风格覆盖动漫、插画和照片级写实。 Base、SFT 两个版本的权重、代码和指南都开放了，支持微调和 LoRA；ComfyUI 已有支持，SGLang、vLLM-Omni 也提供了 Day 0 支持。 喜欢折腾生图的，可以拿自己的构图试试。源码和在线体验放在第一条回复，点进去，挑一个元素开始改。

曝光 246 · 评论 5 · 点赞 6 · 书签 1