图像视频上手难度 🔧 进阶#文生图#DiT#文字渲染#布局生成#ComfyUI#OpenMOSS#Apache-2.0#开源模型
MOSS-Image · MOSS-Image — 5B 参数开源文生图基座，文字渲染与布局生成专家
OpenMOSS 开源 5B DiT 文生图基座：主打高质量文字渲染与精确布局，Apache-2.0，原生支持 ComfyUI
指标同步中，请稍后刷新查看 在 GitHub 查看源码
5 分钟上手
建议 16GB+ 显存；ComfyUI 量化/蒸馏版可降低门槛# Diffusers 加载（示例）
pip install diffusers transformers accelerate
python - <<'EOF'
from diffusers import DiffusionPipeline
pipe = DiffusionPipeline.from_pretrained("OpenMOSS-Team/MOSS-Image-SFT", torch_dtype="auto")
pipe.to("cuda")
image = pipe("一张中文咖啡海报，标题写着「秋日限定」").images[0]
image.save("poster.png")
EOF
# 或使用 ComfyUI nightly（已原生支持 MOSS-Image）项目速览
MOSS-Image 是 OpenMOSS 团队于 2026 年 10 月 16 日开源的 5B 参数基础 DiT 文生图模型，核心卖点是高质量文字渲染、布局生成和高效微调。与多数开源文生图模型不同，它把「画面里的字要写对、位置要准」当成一等公民，支持通过 JSON 布局指定每个元素的位置与尺寸，适合海报、电商图、信息图等强排版场景。
项目同步开源 Base 与 SFT 两个版本，权重已上架 Hugging Face 与 ModelScope，采用 Apache-2.0 协议。发布一周 GitHub Star 约 1.4k，技术报告已上传 arXiv（2610.23374），ComfyUI 已原生支持，社区也迅速推出 8 步 DMD 蒸馏、去色带 LoRA、FP16 修复版等周边。
能做什么
- 高质量中文/英文文字渲染：海报标题、包装文案、信息图文字更少乱码
- 布局可控生成：用 JSON 指定元素位置与尺寸，实现精确版面控制
- Base + SFT 双版本：Base 适合二次微调，SFT 适合直接出图
- 原生 ComfyUI 支持 + DiffSynth-Studio 全参/LoRA 训练
- 附带提示词增强 Skill，可把想法转成详细 caption 或布局提示词
怎么部署
推荐使用 ComfyUI nightly 或 Diffusers 加载 Hugging Face / ModelScope 权重；也可通过 MOSI API 平台在线调用。5B 参数规模对显存相对友好，量化与蒸馏版本可进一步降低门槛。
适合谁
需要生成带文字海报/电商图的创作者、研究文生图文字渲染的团队、想基于 5B 基座做 LoRA 微调的开发者。
✅ 优点
- •5B 参数兼顾效果与显存门槛，Apache-2.0 可商用
- •文字渲染和布局控制是差异化强项，适合海报类场景
- •ComfyUI 原生支持，社区已有蒸馏/量化/LoRA 生态
- •同步提供 Base 与 SFT 双权重，便于微调与直接使用
⚠️ 局限与坑
- •2026 年 10 月才开源，长期稳定性与生态仍在验证
- •5B 规模在极复杂场景的细节表现不及闭源旗舰模型
- •布局生成需要学习 JSON 输入格式，有一定上手成本
💼 典型应用场景
- 1.带中文标题的海报、电商主图与信息图生成
- 2.需要精确版式控制的设计稿批量生成
- 3.基于 5B DiT 基座的 LoRA 风格微调
🔗 资源直达
不想部署？试试同类在线工具
图像视频· 同类项目推荐
返回全部开源项目指标每周自动更新，数据来自 GitHub API