MOSS-Image 是 OpenMOSS（复旦团队）开源的 5B 参数文生图模型，采用 Apache 2.0 许可可商用，8GB 显存即可本地运行，支持中英文文字精准渲染与 JSON 布局控制，ComfyUI 0.42+ 已原生支持。本文提供从模型下载到出图的完整部署步骤。
和 SDXL、Flux 那些老牌模型比，MOSS-Image 的定位很清晰：不跟你拼通用画质，专攻”文字+排版”这类传统文生图模型的死穴。做海报、做封面、做带文字的信息图，以前要生成完再进 PS 贴字，现在一个提示词就能把字直接写对。
核心能力
- 中英文文字渲染：图中长文字、多行文字、中英混排都能准确生成——这是绝大多数开源文生图模型的短板
- JSON 布局控制：模型读取描述每个对象和每行文字位置的 JSON，配合 ComfyUI 里”画边界框”的工作流，想放哪就放哪
- 超长提示词：支持约 4K token 的提示词，复杂场景描述不会被截断
- 提示词上采样：内置上采样器，一句简单的想法会自动扩写成完整的场景描述再生成
- 任意宽高比：16 倍数的任意比例都支持，横版竖版方图自由切换
- 双版本：SFT 版布局更整洁、开箱即用；Base 版适合微调和 LoRA 训练（社区已有训练器支持全参数微调）
- 无审查：开放权重本地运行，SFT 版本内容审核宽松，社区还有配套 LoRA 生态
- 生态全：ComfyUI 原生支持、SGLang / vLLM-Omni 首日适配，Windows / Linux / NVIDIA / Intel Arc 都能跑
部署要求
| 项目 | 要求 |
| 显卡 | NVIDIA 8GB 显存起步（fp8 量化 / 部分卸载），16GB 以上更流畅；Intel Arc 也可 |
| 系统 | Windows 10/11 或 Linux |
| 软件 | ComfyUI 0.42.0 或更高版本（nightly 已原生支持） |
| 模型文件 | ComfyUI 格式权重（十几 GB 量级，下载一次永久使用） |
| 许可 | Apache 2.0，可商用 |
部署步骤（ComfyUI 路线）
- 更新 ComfyUI：把 ComfyUI 升级到 0.42.0 以上（或 nightly 版），MOSS-Image 已原生支持，不需要额外插件
- 下载模型权重：从文章下方下载区进入 ComfyUI 专用模型页，下载 MOSS-Image 权重，按页面说明放入 ComfyUI 的模型目录（diffusion_models / text_encoders / vae 等对应文件夹）
- 打开工作流模板：在 ComfyUI 模板库里搜索 “MOSS-Image”，选择对应模板——文生图（Text to Image）或布局引导（Layout-Guided Text to Image）
- 选模型版本：SFT 版布局更整齐适合直接出图；Base 版适合接入 LoRA 做风格微调
- 写提示词生成：上采样器默认开启，一句话描述就会自动扩写；想要精确排版就走布局工作流
JSON 布局控制怎么用
- 打开布局工作流，找到 “Create Bounding Boxes” 节点
- 在预览画布上拖出边界框，每个框代表画面里的一个元素（人物、标题、按钮、装饰）
- 给每个框单独写描述文字；标记为文本框的框，模型会在里面渲染出该文字
- “MOSS-Image Layout Prompt” 节点会把所有框自动转换成模型读取的 JSON 布局，和你的整体场景提示词一起生效
- 生成尺寸保持和工作流里设置的一致，布局才会精准对应
这套流程等于把”设计排版”和”AI 绘图”合成了一步：先画版面结构，再让模型按结构填充内容，出图直接可用。
MOSS-Image 关键参数一览
| 项目 | 参数 |
| 参数量 | 5B（DiT 架构） |
| 最低显存 | 8GB（FP8 量化） |
| 许可协议 | Apache 2.0（可商用） |
| 文字渲染 | 中英文精准排版 |
| 布局控制 | 原生 JSON 结构化提示 |
| 推荐前端 | ComfyUI 0.42+（原生支持） |
适合人群
- 做海报/封面/宣传图的设计师：文字要准、排版要准，一次生成省掉后期贴字
- 自媒体与电商运营：批量出带文字的商品图、活动图、小红书封面
- AI 绘画玩家：想玩布局控制和 LoRA 微调，Apache 2.0 协议可自由折腾
- 出图要求”无审查”的创作者：本地部署，内容不受平台限制
- 显存有限的学生党/个人开发者：8GB 显卡即可起步，不用上高端卡
常见问题
- 8GB 真能跑吗？ 能，需要开 fp8 量化或 ComfyUI 的显存优化选项，出图速度会慢一些；16GB 以上体验明显更顺
- 为什么生成的文字还是错的？ 提示词里要明确写出文字内容（可加引号强调），复杂排版建议直接用布局工作流，把文字框单独标出来
- SFT 和 Base 怎么选？ 直接出图选 SFT（布局更整洁）；要训练 LoRA 或微调选 Base
- 能商用吗？ Apache 2.0 协议允许商用，但生成内容仍建议自行核查合规性
结语
MOSS-Image 最值得玩的地方就在于它补上了开源文生图”写不对字”这块短板，加上布局控制，等于把设计软件的排版能力搬进了提示词里。8GB 显卡就能本地跑、Apache 2.0 免费商用，下载放在文章下方下载区，装上 ComfyUI 今晚就能出第一张带准确文字的图。
常见问题（FAQ）
问：8GB 显卡真的够用吗？
答：够。MOSS-Image 提供 FP8 量化版本，8GB 显存可运行 1024×1024 出图，若显存不足可降低分辨率或改用更低精度量化版本。
问：生成的图片可以商用吗？
答：可以。项目采用 Apache 2.0 协议，允许商业使用，但生成内容的合规责任由使用者承担。
问：和 Flux、Midjourney 有什么区别？
答：MOSS-Image 最大优势是中文文字渲染准确和 JSON 布局控制，适合做海报、封面等排版类图片；Midjourney 在艺术风格多样性上更强，但无法免费本地部署。
问：必须联网吗？
答：不需要。模型下载完成后完全离线运行，提示词和图片都不会上传到任何服务器。
最后更新：2026-10-22 ｜ 由伊藤资源整理核实
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
