Boogu Team开源统一图像生成与编辑模型家族Boogu-Image-0.1 ：支持中英文文字渲染与 3-4 步快速生成，Apache-2.0 协议可商用

在闭源多模态系统（如 Nano Banana Pro、GPT-Image-2）凭借庞大算力垄断高质量图像生成的当下，Boogu Team 发布了 Boogu-Image-0.1，一个基于 Apache-2.0 许可证的开源统一图像生成与编辑模型家族。令人瞩目的是，该系列在训练数据规模比已知开源工作少一个数量级的条件下，通过系统性增强模型理解能力与数据质量，实现了在高质量文生图、快速生成、图像编辑及中英文双语文字渲染上的卓越表现，为开源生态提供了极具竞争力的新选择。

• 项目主页：https://boogu.org/index_cn
• GitHub：https://github.com/boogu-project/Boogu-Image
• 模型：https://huggingface.co/Boogu
• ComfyUI：https://huggingface.co/Comfy-Org/Boogu-Image

核心亮点：高效能、强文字、快生成

1. 稳健的中英文双语文字渲染

• 复杂场景支持：能够处理海报、邮票、文档、UI 界面及品牌规范等超密集文字场景。
• 排版稳定性：在多样布局下保持可读的结构与稳定的排版，显著优于多数开源模型，虽在极长文本或微小字号上仍有局限，但已具备极高的实用价值。

2. 照片级真实感与精准摄影理解

• 自然光影与构图：准确理解摄影类提示词，生成具有连贯空间关系和真实细节的高质量图像。
• Turbo 变体加速：Boogu-Image-0.1-Turbo 采用蒸馏技术，参数量与 Base 相同，但仅需 3-4 步即可完成生成，在保持高保真度的同时大幅提升推理速度。

3. 多样化风格与统一架构

• 全家桶覆盖：
  • Base：强多样性与可控性，适合微调及下游开发。
  • Turbo：专注高速高质量生成与照片级真实感。
  • Edit：专注于图像编辑与转换任务。
• 创意风格：涵盖微缩 3D、国风鎏金、奇幻视觉、动漫肖像等，不仅是风格迁移，更是贴合提示词的创意生成。

性能评估：Boogu Arena

由于无法直接在 LM Arena 评测，团队构建了 Boogu Arena，利用 LLM 生成 1K+ 条多样化用户画像提示词进行偏好评测。结果显示，Boogu-Image-0.1 家族在 ELO 排行榜中位居参评开源与闭源系统的前列，证明了其在综合性能上的强大竞争力。

已知局限性与安全性

尽管表现优异，用户需知晓以下限制：

• 世界知识差距：在名人、著名地标、复杂常识理解上仍落后于顶级闭源模型。
• 一致性挑战：图生图（In-context）的主体身份保持与精细细节编辑尚不够稳定，略逊于 Seedream 5.0 等。
• 细节伪影：受限于 FLUX.1 VAE，小尺寸人脸、肢体及复杂姿势下可能出现结构不自然或伪影。
• 语言限制：文字渲染主要针对中英文，其他语言效果可能退化。

安全提示：本模型以研究目的发布，未经额外安全措施不建议直接用于生产环境。下游用户需自行负责内容审核与合规检查。