描述
MOSS-Image-Base 是 OpenMOSS 开发的 MOSS-Image 系列中的基础模型。它专注于将文本提示转换为图像,支持自然语言输入、标签序列和 JSON 布局。该模型旨在为用户提供对生成图像中文本放置和对象排列的控制。
阅读更多
该模型使用 Python 3.10 或更高版本运行,并需要支持 CUDA 的 NVIDIA GPU。用户必须安装兼容的 PyTorch 2.9 或更高版本。模型及其自定义管道代码会自动下载并缓存,尽管用户也可以提供本地模型目录。变换器和文本编码器使用 bfloat16,而 VAE 和初始噪声使用 float32,捆绑的 VAE 使用 FLUX.2 小解码器。
MOSS-Image-Base 提供多种采样设置,包括默认的流匹配欧拉采样器、50 步和 CFG 为 3。用户可以根据需要调整这些设置,例如禁用负分支跳过或提供负提示。模型的提示增强技能可以将图像创意转化为详细的说明或空间布局提示,专为 GPT-6 系列代理设计。
对于布局到图像的生成,用户可以将 JSON 布局作为提示传递,以描述场景、渲染文本、对象及其位置。这允许进行受控编辑和用户友好的布局工具,使图像内容和构图的调整变得更加容易。该模型根据 Apache 许可证第 2.0 版发布,并感谢 Diffusers、Qwen 和 FLUX 团队的贡献。
- 类别AI 图像生成器
- 定价模式开源
- 部署云端
- 平台网页版
MOSS-Image-Base亮点
基础文本到图像模型
支持自然语言提示
用于文本放置的标签序列
用于对象排列的 JSON 布局
需要 Python 3.10 或更高版本
支持 CUDA 的 NVIDIA GPU
使用 PyTorch 2.9 或更高版本
FLUX.2 小解码器
MOSS-Image-Base入门
访问模型:访问 Hugging Face 页面
身份验证:确保账户访问
设置环境:安装 Python 3.10+ 和兼容 CUDA 的 PyTorch
通过 API 集成:使用 Python API 进行图像生成
优化:调整采样设置和提示
MOSS-Image-Base的使用案例
- 图像生成
- 布局设计
- 文本放置
- 对象排列
- 创意项目







