無審查 MOSS-Image：把文字精準放在你想要位置的開放權重模型

為什麼設計師和賣家都在關注它

可以把 MOSS-Image 看成一款終於把文字當作畫面一部分的開放圖片生成器。把標題、價格或手寫便條用引號寫進提示詞，它就會以清楚可讀的英文或中文出現在圖中，而且就在版面指定的位置。光是這一點，就讓好玩的玩具變成網店、工作室和社群小編真的能拿來工作的工具。權重可免費下載、在自己的 GPU 上跑，沒有按張計費，提示詞和成品之間也沒有線上過濾。

在畫面中寫出清晰可讀的中英文字

多數開源圖片模型的文字仍然容易亂成一團，中文字更是重災區。MOSS-Image 經過訓練能寫出兩種語言，官方範例也大量展示這項能力：冰箱上用中文手寫的購物清單（牛奶、雞蛋、麵包）、寫滿筆記的白板、店家招牌和海報標題。訣竅很簡單：把你要的文字原封不動放進引號，並說明它的位置和樣式，例如 "a bold red headline reading \"SUMMER SALE\" across the top"。短句比長段落更乾淨；在官方對比中，SFT 檢查點的文字分組與對齊也比 Base 更整齊。

• 每個要印出的字都用引號括起來，並使用你想要的語言。
• 描述文字所在的表面：便利貼、霓虹招牌、黑板、雜誌封面。
• 指定字體風格：手寫、粗體無襯線、毛筆書法。
• 每段文字保持簡短；長文案拆成多個帶標籤的項目。

最擅長的場景：海報、電商橫幅與資訊圖表

既然文字與排版是它的強項，就特別適合「只有漂亮圖片還不夠」的工作。網路賣家用它製作角落帶價格標章的商品橫幅草稿，社群小編用它打造中英雙語標題的封面，短劇和網路漫畫創作者用它快速畫出已經放好台詞的海報與分格。老師和行銷人員拿來做白板講解與資訊圖表，餐廳用來做菜單和招牌，品牌團隊則用來批量產出只換標題的同款版面。

拿來做生意：主圖海報、菜單與廣告測試

最受益的是需要快速產出大量帶字圖片的小團隊。網店一個下午就能打好一週的促銷橫幅草稿，每張都把商品放中間、折扣放進貼紙、標題中英雙語。廣告代理商用同一份 JSON 版面，只換標語就能產出幾十版廣告，讓 A/B 測試變得便宜。咖啡廳和餐廳拿來排菜單和黑板特餐，印刷店接客製海報，條漫與短劇工作室先出標題已就位的封面草圖，再交給設計師精修。

社群怎麼評價、大家都拿它玩什麼

在創作者分享圖片與模型的 Civitai 上，早期留言大多是正面的。有使用者說它是寫實圖片方面知識量最豐富的開放模型之一，並稱讚它動漫和寫真風格都能駕馭。也有人指出缺點：手和四肢偶爾會畫錯，畫師名稱的風格標籤幾乎沒效果，預設設定也偏慢；有人說原本一張要 100 多秒，直到社群做出 turbo LoRA 才縮短到大約十分之一，代價是皮膚稍微偏柔。發布十天後，GitHub 倉庫約有 1.9k 顆星，Base 模型頁面有 556 個讚。大家都在發什麼？虛構的復古旅遊海報、中英雙語雜誌封面、手寫冰箱便條和白板、自帶字幕的迷因圖、標好名字的動漫角色設定圖，以及成年模特兒的亮眼海灘寫真。

• 大字清楚的復古旅遊與電影風海報
• 中英雙語雜誌封面與社群封面
• 拿來做迷因的手寫便條、收據和白板梗圖
• 旁邊印著名字與數值的動漫角色設定圖
• 帶雜誌字樣的成年模特兒泳裝與復古性感寫真

可直接複製的 MOSS-Image 提示詞範例

這個模型能讀懂三種提示詞風格，各自適合不同目標。自然句子最適合照片和海報，標籤清單是動漫與社群 LoRA 使用者熟悉的寫法，JSON 則用於嚴格的版面。從以下範本開始，固定種子，每次只改一個細節：

• 自然語言："A cozy kitchen at morning, a handwritten note on the fridge reading \"milk, eggs, bread\", warm sunlight, photorealistic."
• 海報："Retro travel poster of a seaside town, large title \"VISIT CAPRI\" at the top in cream serif letters, grainy print texture."
• 標籤："adult woman, beach, sunset, bikini, film grain, 35mm, golden hour"（僅限成年角色）。
• 資訊圖表："Clean whiteboard with three numbered steps titled \"How to brew coffee\", simple marker drawings, flat lighting."
• 雙語封面："Magazine cover, Chinese headline in bold brush strokes, English subtitle \"Night Market Guide\" below, neon street at night."

JSON 版面提示詞：用座標固定標題與商品

JSON 模式正是這個模型與眾不同之處。你不必祈禱標題剛好落在上方，而是先在 summary 描述整個場景，再列出各個項目，每項包含標籤、說明、邊界框和可選的文字。方框採用 yxyx 順序（上、左、下、右），以畫布中心為原點的像素座標表示；在 1024×1024 的圖片上，每個軸的範圍是 -512 到 512，數字必須與你生成的尺寸一致。OpenMOSS 仍把版面功能標為實驗性，所以要有微調一兩個方框的心理準備。入門骨架如下：

{
  "summary": { "caption": "Bright summer shop banner, white studio background" },
  "items": [
    { "label": "title", "caption": "bold red headline", "bbox": [-460, -400, -300, 400], "text": "SUMMER SALE" },
    { "label": "product", "caption": "glass bottle of iced lemon tea", "bbox": [-220, -200, 380, 200] },
    { "label": "badge", "caption": "yellow round sticker", "bbox": [260, 260, 460, 460], "text": "-50%" }
  ],
  "bbox_format": "yxyx",
  "bbox_coord_space": "abs_centralized"
}

欄位名稱依照官方 GitHub 儲存庫中的版面指南；官方的 Prompt Enhancer 技能也能把一句話擴寫成詳細描述或版面。

MOSS-Image 是無審查的嗎？NSFW LoRA 與成人藝術

在本地執行時，開放權重沒有任何線上過濾器：不會檢查你的提示詞或成品圖片，畫什麼由你決定。OpenMOSS 沒有釋出 NSFW 檢查點，也沒有說明訓練資料如何過濾，因此露骨細節取決於社群外掛。根據 AlphaSignal 的二手報導，一個使用觸發詞 moss_xvstyle 的 "Moss-image-nsfw-uncensored-lora" 在幾天內就出現，且可搭配 Base 與 SFT 使用；但它尚未在 Hugging Face 或 Civitai 頁面上獲得證實，請謹慎看待。熱門的成人方向包括明確為成年角色的泳裝與內衣寫真、復古海報女郎（pin-up）以及奇幻封面插畫。如果你想省去 GPU 設定，Spicy AI 也在瀏覽器中提供類似的無審查圖片生成。

1. 把要出現的文字放進引號，並說明擺放位置。
2. 角色外觀用標籤描述，光線與氛圍用完整句子描述。
3. 固定種子，每次只改一個細節。
4. 註明畫面中所有人都是成年人（18 歲以上），且絕不在未經同意下描繪真實人物。

SFT 與 Base：該選哪個檢查點

兩個檢查點共用相同的 5B 架構，但針對的使用者不同。SFT 以精選資料做過監督式微調，官方並排對比圖顯示它的文字分組更整齊、頁面版面更乾淨，只想直接生出好圖就載入它。Base 跳過了這道後訓練，更接近原始模型，因此是訓練 LoRA 與完整微調更好的起點。

開始執行：Hugging Face、ComfyUI、diffusers 與 API

有四個簡單入口。最快的試用方式是 OpenMOSS-Team 的免費 Hugging Face Space。本地使用的話，目前的 ComfyUI nightly 版本已原生支援，搭配 Comfy-Org 重新打包的檔案和內建載入器即可；官方儲存庫的外掛在載入 diffusers 資料夾時依然好用。寫程式的人可以在 diffusers 0.38 以上，透過自訂的 pipeline_moss_image 與 trust_remote_code 載入權重，環境需 Python 3.10+、PyTorch 2.9+ 與 NVIDIA GPU。不想自己架設的團隊，可以透過 MOSI API 平台呼叫。

• 預設取樣：50 步、CFG 3、shift 5、流匹配 Euler。
• 寬高必須是 16 的倍數；官方範例使用 1024x1024 與 1456x1456。
• 引導每一步要跑兩次，所以會比蒸餾模型慢。
• 社群的 8 步 DMD 蒸餾版以些微畫質換取快得多的草稿速度。

VRAM、速度與量化版本

OpenMOSS 沒有公布最低 VRAM 需求，而是在 Gradio 示範中提供三種記憶體模式：GPU resident 把所有東西放在顯示卡上以求速度，Component 讓元件在 CPU 與 GPU 之間搬移，Sequential 則是最慢但最省記憶體的備案。如果遇到記憶體不足錯誤，可以切換到 Sequential、降低解析度或改用量化檔。Hugging Face 上列有 13 個由社群製作的 Base 模型量化衍生版本；由於畫質與支援程度因檔案而異，請查看各模型卡上的格式（例如 GGUF 或 FP8）以及需要的載入器。

用 KohakuMossTrainer 訓練你自己的風格

微調正是開放權重的價值所在。發布兩天後推出的 KohakuMossTrainer 支援兩個檢查點的完整微調以及 LyCORIS 或 LoRA 轉接器，README 表示轉接器最低只需 6GB VRAM 就能訓練。DiffSynth-Studio 同樣支援完整微調與 LoRA。短短十天內，Hugging Face 上已有 41 個轉接器和 36 個以 Base 模型為基礎的微調模型，從畫風到修正類都有，例如能撫平色彩斷層的社群 DeBand LoRA。建議在 Base 上訓練，標註文字保持和你平常寫提示詞相同的風格，並加入你希望 LoRA 學會的文字。

與 FLUX.2、Qwen-Image、Z-Image 比較

目前還沒有官方基準測試把這些模型放在一起比較，所以請把以下內容當作實用比較，而非評分表。明顯的差異在於規模、版面控制與編輯能力：

規模數據來自各模型公開的發布說明；這款模型目前尚未公布量化的基準測試結果。

資料來源

• Base 模型卡（Hugging Face）
• SFT 模型卡（Hugging Face）
• OpenMOSS 儲存庫與版面指南（GitHub）
• 技術報告（arXiv 2610.23374）
• 官方線上示範（Hugging Face Space）
• ComfyUI 格式權重（Comfy-Org）
• 社群留言（Civitai 封存頁）
• 社群 NSFW LoRA 報導（AlphaSignal，未經證實）

其他無審查圖片模型指南

• 無審查 Midjourney
• 無審查 DALL·E
• 無審查 Stable Diffusion
• 無審查 Flux
• 無審查 Nano Banana
• 無審查 Nano Banana 2
• 無審查 Nano Banana 2.1
• 無審查 Nano Banana Pro
• 無審查 Ideogram
• 無審查 Leonardo AI
• 無審查 Seedream
• 無審查 Seedream 5.0
• 無審查 Krea
• 無審查 Kroma
• 無審查 Qwen-Image
• 無審查 Adobe Firefly
• 無審查 GPT Image 2.5
• 無審查 Fibo 2.0 Dev
• 無審查 Fibo 2.0 Edit Turbo
• 無審查 GPT Image 2
• 無審查 Text to Image
• 無審查 Z-Image Turbo
• 無審查 Z-Image
• 無審查 FLUX.2
• 無審查 FLUX.2 [dev]
• 無審查 FLUX.2 [pro]
• 無審查 GPT Image 1.5
• 無審查 AI Head Swap
• 無審查 AI Cloth Swap
• 無審查 Qwen-Image-2.1 LoRAs
• 無審查 Wulver
• 無審查 AI Face Swap