人工智能媒体生成模型量化深度学习模型推理服务【免费下载链接】MOSS-Image-SFT-FP8项目地址https://ai.gitcode.com/hf_mirrors/unsloth/MOSS-Image-SFT-FP8点击查看免费下载MOSS-Image-SFT-FP8 是一款支持用 JSON 精确控制文字位置与物体排布的文本转图像模型本教程带你完整走通 MOSS-Image-SFT-FP8 的 Layout-to-Image布局控制生图流程从环境安装、编写 JSON 布局到一条命令生成 1024×1024 图像。什么是 Layout-to-Image为什么用 JSON 描述画面普通文生图像扔一句话碰运气——物体出现在哪、文字写在哪你都无法指定。MOSS-Image 系列除了自然语言提示词和 tag 序列还支持第三种提示形式JSON 布局layout可以明确写出summary.caption画面整体描述场景摘要items元素列表每项包含内容描述与边界框bbox边界框统一使用bbox_format: yxyx与bbox_coord_space: abs_centralized即[y_min, x_min, y_max, x_max]顺序、以画面中心为原点的绝对像素坐标这种结构化描述让文字放在左上角便签上、果盘放右下角变得可复现、可调整、可批量。功能定义详见 README.md#L164-L177。认识 MOSS-Image-SFT-FP83 个关键信息本仓库是 OpenMOSS 团队 MOSS-Image-SFT 的FP8 / INT8 量化版由 unsloth 制作架构为 5.1B 扩散 Transformer组成说明扩散 Transformer42 层 DiTbf16 约 10.16 GB量化后约 5.42 GB文本编码器Qwen3.5-9Bbf16 16.8 GBINT8-ConvRot 量化后 11.49 GBVAEFLUX.2 small-decoder以 fp32 运行架构与管线定义transformer/config.json、model_index.json权重文件transformer/bf16、MOSS-Image-SFT-INT8-ConvRot.safetensors推荐量化、MOSS-Image-SFT-FP8.safetensors其他组件text_encoder/、tokenizer/、vae/采样器参数Shift5 等scheduler/scheduler_config.json其中 INT8-ConvRot 权重对 bf16 的平均 LPIPS 仅 0.058FP8 为 0.163图像差异几乎不可见是显存紧张时的首选。环境准备一行安装命令与模型下载硬件需要支持 CUDA 的 NVIDIA GPU软件Python 3.10、PyTorch 2.9。安装依赖pip install diffusers0.38 transformers5.3 accelerate1.10 safetensors0.6 Pillow10下载模型仓库git clone https://gitcode.com/hf_mirrors/unsloth/MOSS-Image-SFT-FP8 两个硬性限制MOSS-Image不支持 float16仅 bf16 / fp32transformers必须为 5.3 或更高版本。JSON 布局格式详解字段与坐标系JSON 布局就是作为 prompt 传入的核心结构如下{ summary: { caption: A whiteboard with three sticky notes on an office wall }, bbox_format: yxyx, bbox_coord_space: abs_centralized, items: [ { caption: a yellow sticky note with handwritten Chinese text 记得买牛奶和鸡蛋, bbox: [-380, -420, -180, -220] }, { caption: a silver refrigerator handle, bottom-right of the frame, bbox: [150, 260, 420, 480] } ] }坐标系两个要点先 y 后 x顺序为[y_min, x_min, y_max, x_max]abs_centralized以画面中心为原点——负值表示偏左/偏上正值表示偏右/偏下1024×1024 画幅下坐标大致落在 -512 ~ 512 之间。完整示例8 行代码生成布局图像核心思路用json.dumps(layout, ensure_asciiFalse)把布局序列化成字符串作为 prompt 传给管线import json import torch from diffusers import DiffusionPipeline pipe DiffusionPipeline.from_pretrained( ./MOSS-Image-SFT-FP8, # 本地模型目录 custom_pipelinepipeline_moss_image, trust_remote_codeTrue, torch_dtype{default: torch.bfloat16, vae: torch.float32}, ) pipe.scheduler type(pipe.scheduler).from_config(pipe.scheduler.config) pipe.to(cuda) image pipe( json.dumps(layout, ensure_asciiFalse), # JSON 布局即 prompt height1024, width1024, num_inference_steps50, guidance_scale3.0, uncond_skip_layers[22], generatortorch.Generator(cpu).manual_seed(42), ).images[0] image.save(layout_result.png)参数接口定义见 pipeline_moss_image.py#L339-L345该管线代码也可复制到任意项目中独立使用。不想写代码在 Gradio 界面中直接把 JSON 粘贴到 Prompt 输入框并把图像尺寸设为与布局匹配的数值即可。采样参数推荐50 步、CFG 3官方默认参数就是参考工作流的调优结果建议首次生成先原样使用参数推荐值说明height / width1024 × 1024必须是16 的正整数倍校验逻辑见 pipeline_moss_image.py#L369-L370num_inference_steps50步数越少越快但布局还原度下降guidance_scaleCFG3.0每步两次前向负分支默认跳过第 22 个 blockShift5内置于调度器见 scheduler/采样器Flow-matching Euleruncond_skip_layers[22]传[]可关闭层跳过固定随机种子manual_seed可以让同一布局反复生成同一张图方便调试坐标。从生成到编辑改布局画面跟着变Layout-to-Image 的价值不止于生成更在于结构化编辑 修改某项的caption→ 替换画面中的文字内容 平移某项的bbox→ 只移动元素位置其他内容保持不变➕ 增删items→ 增加或移除画面元素这让海报、便签、UI 稿的迭代变成改 JSON → 重新生成的闭环比反复改写自然语言提示词稳定得多。官方法线也计划在此之上构建更友好的布局编辑工具。常见问题 FAQQ布局提示词需要写很长的描述吗不需要。summary.caption简明扼要把关键内容与位置写进items模型会自行补全细节。Q为什么改成 1000、1008 就报错图像尺寸必须是 16 的正整数倍1024、896、1152 这类数值都安全。QFP8 和 INT8 选哪个FP8 仅省 0.01 GB但图像差异更大LPIPS 0.163 对 0.058推荐 INT8-ConvRot。完整对比见 README.md 的权重表格。QMac / 纯 CPU 能跑吗本仓库面向 CUDA GPU低显存或 CPU 场景可参考 README 中提到的 GGUF 量化权重入口。总结MOSS-Image-SFT-FP8 把JSON 可控布局带进了量化省显存的形态几分钟装好环境、几行 JSON 布局就能稳定复现版式。建议从本文的 1024×1024 / 50 步 / CFG 3 默认配置起步再逐步微调bbox坐标很快就能掌握 Layout-to-Image 的节奏。赞分享人工智能媒体生成模型量化深度学习模型推理服务【免费下载链接】MOSS-Image-SFT-FP8项目地址https://ai.gitcode.com/hf_mirrors/unsloth/MOSS-Image-SFT-FP8点击查看免费下载相关推荐MOSS-Image Layout布局控制入门用JSON提示词实现AI图像精准构图MOSS Image Layout布局控制入门用JSON提示词实现AI图像精准构图 MOSS Image 是一款 5B 参数的开源 AI 图像生成模型它的MOSS-Image-SFT布局控制实战用JSON Layout Prompt精准放置物体与文字位置MOSS Image SFT布局控制实战用JSON Layout Prompt精准放置物体与文字位置 MOSS Image SFT 是 OpenMOSS 开源人工智能大模型基础模型多模态媒体生成MOSS-Image-Base布局到图像实战用JSON Layout精准控制文字位置与物体排布的完整指南MOSS Image Base布局到图像实战用JSON Layout精准控制文字位置与物体排布的完整指南 MOSS Image Base 是 OpenMOSS人工智能大模型基础模型媒体生成创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 人工智能媒体生成模型量化深度学习模型推理服务【免费下载链接】MOSS-Image-SFT-FP8项目地址https://ai.gitcode.com/hf_mirrors/unsloth/MOSS-Image-SFT-FP8点击查看免费下载MOSS-Image-SFT-FP8 是一款支持用 JSON 精确控制文字位置与物体排布的文本转图像模型本教程带你完整走通 MOSS-Image-SFT-FP8 的 Layout-to-Image布局控制生图流程从环境安装、编写 JSON 布局到一条命令生成 1024×1024 图像。什么是 Layout-to-Image为什么用 JSON 描述画面普通文生图像扔一句话碰运气——物体出现在哪、文字写在哪你都无法指定。MOSS-Image 系列除了自然语言提示词和 tag 序列还支持第三种提示形式JSON 布局layout可以明确写出summary.caption画面整体描述场景摘要items元素列表每项包含内容描述与边界框bbox边界框统一使用bbox_format: yxyx与bbox_coord_space: abs_centralized即[y_min, x_min, y_max, x_max]顺序、以画面中心为原点的绝对像素坐标这种结构化描述让文字放在左上角便签上、果盘放右下角变得可复现、可调整、可批量。功能定义详见 README.md#L164-L177。认识 MOSS-Image-SFT-FP83 个关键信息本仓库是 OpenMOSS 团队 MOSS-Image-SFT 的FP8 / INT8 量化版由 unsloth 制作架构为 5.1B 扩散 Transformer组成说明扩散 Transformer42 层 DiTbf16 约 10.16 GB量化后约 5.42 GB文本编码器Qwen3.5-9Bbf16 16.8 GBINT8-ConvRot 量化后 11.49 GBVAEFLUX.2 small-decoder以 fp32 运行架构与管线定义transformer/config.json、model_index.json权重文件transformer/bf16、MOSS-Image-SFT-INT8-ConvRot.safetensors推荐量化、MOSS-Image-SFT-FP8.safetensors其他组件text_encoder/、tokenizer/、vae/采样器参数Shift5 等scheduler/scheduler_config.json其中 INT8-ConvRot 权重对 bf16 的平均 LPIPS 仅 0.058FP8 为 0.163图像差异几乎不可见是显存紧张时的首选。环境准备一行安装命令与模型下载硬件需要支持 CUDA 的 NVIDIA GPU软件Python 3.10、PyTorch 2.9。安装依赖pip install diffusers0.38 transformers5.3 accelerate1.10 safetensors0.6 Pillow10下载模型仓库git clone https://gitcode.com/hf_mirrors/unsloth/MOSS-Image-SFT-FP8 两个硬性限制MOSS-Image不支持 float16仅 bf16 / fp32transformers必须为 5.3 或更高版本。JSON 布局格式详解字段与坐标系JSON 布局就是作为 prompt 传入的核心结构如下{ summary: { caption: A whiteboard with three sticky notes on an office wall }, bbox_format: yxyx, bbox_coord_space: abs_centralized, items: [ { caption: a yellow sticky note with handwritten Chinese text 记得买牛奶和鸡蛋, bbox: [-380, -420, -180, -220] }, { caption: a silver refrigerator handle, bottom-right of the frame, bbox: [150, 260, 420, 480] } ] }坐标系两个要点先 y 后 x顺序为[y_min, x_min, y_max, x_max]abs_centralized以画面中心为原点——负值表示偏左/偏上正值表示偏右/偏下1024×1024 画幅下坐标大致落在 -512 ~ 512 之间。完整示例8 行代码生成布局图像核心思路用json.dumps(layout, ensure_asciiFalse)把布局序列化成字符串作为 prompt 传给管线import json import torch from diffusers import DiffusionPipeline pipe DiffusionPipeline.from_pretrained( ./MOSS-Image-SFT-FP8, # 本地模型目录 custom_pipelinepipeline_moss_image, trust_remote_codeTrue, torch_dtype{default: torch.bfloat16, vae: torch.float32}, ) pipe.scheduler type(pipe.scheduler).from_config(pipe.scheduler.config) pipe.to(cuda) image pipe( json.dumps(layout, ensure_asciiFalse), # JSON 布局即 prompt height1024, width1024, num_inference_steps50, guidance_scale3.0, uncond_skip_layers[22], generatortorch.Generator(cpu).manual_seed(42), ).images[0] image.save(layout_result.png)参数接口定义见 pipeline_moss_image.py#L339-L345该管线代码也可复制到任意项目中独立使用。不想写代码在 Gradio 界面中直接把 JSON 粘贴到 Prompt 输入框并把图像尺寸设为与布局匹配的数值即可。采样参数推荐50 步、CFG 3官方默认参数就是参考工作流的调优结果建议首次生成先原样使用参数推荐值说明height / width1024 × 1024必须是16 的正整数倍校验逻辑见 pipeline_moss_image.py#L369-L370num_inference_steps50步数越少越快但布局还原度下降guidance_scaleCFG3.0每步两次前向负分支默认跳过第 22 个 blockShift5内置于调度器见 scheduler/采样器Flow-matching Euleruncond_skip_layers[22]传[]可关闭层跳过固定随机种子manual_seed可以让同一布局反复生成同一张图方便调试坐标。从生成到编辑改布局画面跟着变Layout-to-Image 的价值不止于生成更在于结构化编辑 修改某项的caption→ 替换画面中的文字内容 平移某项的bbox→ 只移动元素位置其他内容保持不变➕ 增删items→ 增加或移除画面元素这让海报、便签、UI 稿的迭代变成改 JSON → 重新生成的闭环比反复改写自然语言提示词稳定得多。官方法线也计划在此之上构建更友好的布局编辑工具。常见问题 FAQQ布局提示词需要写很长的描述吗不需要。summary.caption简明扼要把关键内容与位置写进items模型会自行补全细节。Q为什么改成 1000、1008 就报错图像尺寸必须是 16 的正整数倍1024、896、1152 这类数值都安全。QFP8 和 INT8 选哪个FP8 仅省 0.01 GB但图像差异更大LPIPS 0.163 对 0.058推荐 INT8-ConvRot。完整对比见 README.md 的权重表格。QMac / 纯 CPU 能跑吗本仓库面向 CUDA GPU低显存或 CPU 场景可参考 README 中提到的 GGUF 量化权重入口。总结MOSS-Image-SFT-FP8 把JSON 可控布局带进了量化省显存的形态几分钟装好环境、几行 JSON 布局就能稳定复现版式。建议从本文的 1024×1024 / 50 步 / CFG 3 默认配置起步再逐步微调bbox坐标很快就能掌握 Layout-to-Image 的节奏。赞分享人工智能媒体生成模型量化深度学习模型推理服务【免费下载链接】MOSS-Image-SFT-FP8项目地址https://ai.gitcode.com/hf_mirrors/unsloth/MOSS-Image-SFT-FP8点击查看免费下载相关推荐MOSS-Image Layout布局控制入门用JSON提示词实现AI图像精准构图MOSS Image Layout布局控制入门用JSON提示词实现AI图像精准构图 MOSS Image 是一款 5B 参数的开源 AI 图像生成模型它的MOSS-Image-SFT布局控制实战用JSON Layout Prompt精准放置物体与文字位置MOSS Image SFT布局控制实战用JSON Layout Prompt精准放置物体与文字位置 MOSS Image SFT 是 OpenMOSS 开源人工智能大模型基础模型多模态媒体生成MOSS-Image-Base布局到图像实战用JSON Layout精准控制文字位置与物体排布的完整指南MOSS Image Base布局到图像实战用JSON Layout精准控制文字位置与物体排布的完整指南 MOSS Image Base 是 OpenMOSS人工智能大模型基础模型媒体生成创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考