基于 Stable Diffusion XL 的离线开源图像生成工具，无需繁琐调参，提供 Gradio 网页界面。
5.4万8659PythonGPL-3.0更新于 11个月前
- Star
- 647
- Fork
- 26
- 未关闭 Issue
- 6
- 最近提交
- 前天
这是什么？
MOSS-Image 是 OpenMOSS 开源的文生图模型，分为基础版 MOSS-Image-Base 和微调版 MOSS-Image-SFT。模型采用 5B 参数的扩散 Transformer，重点解决图像中文字需要准确呈现的场景，如海报、标识和手写便签。
除普通文本提示外，模型还支持以 JSON 格式描述版式，为文字和物体指定画布上的边界框位置。提示词最长可达 4K token。项目提供基于 Diffusers 的 Python 调用方式、Gradio 网页界面以及 ComfyUI 插件，并提供从全部常驻 GPU 到顺序卸载的多种显存模式，便于在硬件受限时运行。
仓库还包含一个提示词增强技能，可将创意转换为详细描述或布局 JSON，并附带 LoRA 微调指南，便于适配自定义风格和领域。
核心功能
- 01生成文字清晰准确的图像。
- 02通过 JSON 布局和边界框控制文字与物体的位置。
- 03支持最长 4K token 的提示词。
- 04提供 Python、Gradio 和 ComfyUI 三种使用方式。
- 05提供多种显存模式以适应不同显卡。
- 06支持 LoRA 微调以适配自定义任务。
适用场景
- 制作需要准确呈现标题和正文的海报或横幅。
- 生成带可读文字的标识牌、便签或白板等场景图。
- 为营销或设计草稿生成受版式控制的画面。
- 针对特定画风或领域微调基础图像模型。
标签
常见问题
- MOSS-Image 是什么？
- 开源的 50 亿参数文生图扩散 Transformer 模型，擅长图中文字渲染并支持版式布局控制。 MOSS-Image 是 OpenMOSS 开源的文生图模型，分为基础版 MOSS-Image-Base 和微调版 MOSS-Image-SFT。模型采用 5B 参数的扩散 Transformer，重点解决图像中文字需要准确呈现的场景，如海报、标识和手写便签。
- MOSS-Image 可以免费使用吗？用的什么许可证？
- MOSS-Image 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
- MOSS-Image 还在维护吗？
- 活跃维护中。MOSS-Image 最近一次提交是在 2026年10月16日。
- MOSS-Image 适合用来做什么？
- 制作需要准确呈现标题和正文的海报或横幅。 生成带可读文字的标识牌、便签或白板等场景图。 为营销或设计草稿生成受版式控制的画面。 针对特定画风或领域微调基础图像模型。
- 在哪里获取 MOSS-Image？
- 源代码和安装说明在 GitHub 上：https://github.com/OpenMOSS/MOSS-Image
概要由 AI 根据项目 README 生成；GitHub 数据每日更新。
相关项目
基于节点图的扩散模型图形界面、API 与后端，可本地生成图像、视频、音频和 3D 内容。
13.8万1.6万PythonGPL-3.0更新于 9小时前
基于 Web 界面的 AI 图像创作引擎，支持 Stable Diffusion 等多种模型，提供统一画布与节点工作流。
2.9万3066TypeScriptApache-2.0更新于 8小时前
一个运行在自有设备上、通过 WhatsApp、Telegram、Slack、Discord 等聊天应用响应你的个人 AI 助手。
39.2万8.2万TypeScriptMIT更新于 10小时前
一套为编码智能体设计的可组合技能库与软件开发方法论，引导 agent 完成设计、规划、TDD 与子代理开发。
30.2万2.7万ShellMIT更新于 9天前
一组可复用的 AI 编程代理技能，覆盖需求对齐、代码设计、TDD 与工程化工作流，适用于 Claude Code、Codex 等代理。
29.6万2.5万ShellMIT更新于 6天前