OpenMOSS开源MOSS-Image ：5B骨干文生图模型，原生JSON布局控制，图像内文字渲染能力突出

OpenMOSS 推出 MOSS-Image 文生图模型系列，包含基础版 MOSS-Image-Base 和精选数据微调版 MOSS-Image-SFT，权重与代码开源，Apache-2.0许可证。

• GitHub：https://github.com/OpenMOSS/MOSS-Image
• MOSS-Image-Base：https://huggingface.co/OpenMOSS-Team/MOSS-Image-Base
• MOSS-Image-SFT：https://huggingface.co/OpenMOSS-Team/MOSS-Image-SFT
• 魔搭：https://modelscope.cn/collections/openmoss/Moss-Image
• ComfyUI：https://github.com/OpenMOSS/MOSS-Image/blob/main/comfyui/README_ZH.md
• ComfyUI模型：https://huggingface.co/Comfy-Org/MOSS-Image

模型采用5B紧凑骨干网络，最大支持4K token超长提示词，亮点是原生JSON布局控制，可以用边界框定义画面物体、内嵌文字的位置与大小，同时具备优秀的图像内文字渲染能力，支持动漫、照片写实两类主流风格，基于Diffusers管道，提供Python与Gradio接口。

核心能力

1. 基础文生图：自然语言提示直接生成图像，Base与SFT两个权重共用同一套推理接口。
2. 原生结构化布局控制：通过JSON格式描述画面元素，使用边界框定义每个对象、画面文字的坐标与尺寸；可修改元素描述、位置框实现图像受控编辑，适合海报、UI、多元素构图类创作。
3. 长提示支持：最高4K tokens输入，能够承载复杂场景描述、多物体设定。
4. 高质量图像文字渲染：可以在画布内生成清晰准确的文字，解决很多文生图模型写文字乱码的痛点。
5. 风格覆盖：同时支持动漫风格与照片级写实图像生成。
6. 易于微调：5B骨干算力门槛更低，支持针对行业、自定义领域做二次微调；训练阶段采用异构GPU集群。

两个模型版本

配套工具：MOSS-Image Prompt Enhancer

面向GPT-6系列Agent的专用Skill，作用是把简单创作想法，自动扩写成详细文本提示，或是生成带空间坐标的布局JSON。附带脚本可将手绘像素草稿转换为标准居中坐标JSON，只做提示词预处理，不调用图像生成。

使用流程：

1. 将技能文件夹部署到Agent的skills目录；
2. 调用$moss-image-prompt-enhancer，输入创作想法、画布尺寸、布局要求；
3. 输出的提示或JSON直接送入MOSS-Image生成图像；布局生成时画布尺寸要和草稿保持一致。