文章摘要
玩 AI 生图的朋友，一定都被气到过：提示词里明明写了中文，出来的字要么是乱码，要么缺胳膊少腿。英文标语凑合能画，一到中文海报、表情包、带字的表情包封面，模型就开始胡编乱造，”奶茶”写成”奶荣”，”开业大吉”变成”开业大口”，气得人想摔键盘。
昨天 GitHub 上冒出来一个国产开源项目，MOSS-Image：复旦 MOSS 团队放出的 50 亿参数文生图模型，主打的就是把字画清楚——中文手写体、长文本排版、白板上的板书，它都能画得明明白白。10 月 16 日刚开源，6 天就拿了 1300 多个 star，Apache 2.0 协议，开源免费，权重、代码、技术报告全放出来了。
官方示例总览：
Base 版 vs SFT 版（白板板书，字越清楚越好）：
它能做什么
- 中文文本渲染是真本事：README 里直接拿中文举例——冰箱门上的手写便利贴”记得买牛奶和鸡蛋！牛奶两盒，鸡蛋一打”，连换行和感叹号都画得清清楚楚。国产生图模型里，中文写字这么稳的不多见。
- 版式控制（Layout）：不只靠提示词碰运气，还能用 JSON 指定每个文字和元素的位置、大小。做海报、封面、信息图时，标题放哪、配图放哪，你说了算。
- 4K token 长提示词：提示词可以写得很长很细，画面细节、风格、构图一次说清楚，不用再拆成好几段去试。
- 风格跨度大：二次元插画和写实摄影两种路子都能走，官方示例里从动漫风到产品摄影都有。
- 两个版本任选：Base 是底模，SFT 是指令微调版——官方对比显示，SFT 的文字分组更清晰、白板排版更有条理，新手直接用 SFT 更省心。
- 微调门槛低：社区已经出了训练工具，6GB 显存就能训 LoRA，想给模型喂自己风格的图，普通游戏卡也够得着。
- 生态跟得飞快：发布当天就进了 SGLang、vLLM-Omni 和 ComfyUI 的官方支持，ComfyUI 里直接用内置 loader 加载官方权重，不用装第三方插件。
使用方法（分步）
三档玩法，按你的设备选：
第一步：先在线免费试玩（零安装）
仓库首页挂了 Hugging Face Spaces 的在线 Demo，打开就能画；还有 MOSI API 平台的 Playground，注册就能用。先试几张，看看中文渲染是不是真像说的那么稳，再决定要不要本地部署。
第二步：本地部署（有 NVIDIA 显卡）
- 克隆仓库：
git clone https://github.com/OpenMOSS/MOSS-Image.git，按 README 装好依赖（需要 Python 环境和 CUDA）。 - 懒人界面：
python gradio_app.py --model OpenMOSS-Team/MOSS-Image-Base，浏览器打开就是可视化操作台，调步数、尺寸、种子都在网页上点。 - 权重国内镜像：Hugging Face 下不动的，去 ModelScope 搜 openmoss/MOSS-Image-Base，速度快得多。
- 代码党：直接走 diffusers 的 DiffusionPipeline，README 里给了完整示例，提示词、尺寸、步数、CFG 都能调。
第三步：ComfyUI 用户
把 ComfyUI 更新到支持 MOSS-Image 的 master/nightly 版本，装好依赖，用官方出的 ComfyUI 格式权重，内置 loader 直接加载，仓库还给了示例工作流 JSON，照着连就行。
注意事项
- 本地跑需要显卡：50 亿参数的 DiT 模型，CPU 跑不动。Gradio 界面里有显存模式可选（整卡常驻 / 按需搬运 / 省显存模式），显存不够就选省显存那档，或者把出图尺寸调小。
- 新手直接用 SFT 版：官方对比里 SFT 的文字排版明显更规矩，Base 更适合想自己微调折腾的人。
- 画中文多试几次种子：文本渲染再强，复杂排版偶尔也会翻车，换个随机种子多半就好了，这是所有生图模型的通病。
- 商用先看协议：代码是 Apache 2.0，但模型权重有单独的许可说明（仓库里有写），拿去做产品前先读一遍，别只看 star 数。
- 遇到问题去中文社区：仓库有完整中文 README 和中文用户指南，还有 QQ 交流群（755535143），提问不用翻墙写英文。
下载地址
GitHub 仓库：github.com/OpenMOSS/MOSS-Image（代码+文档+技术报告都在这）。模型权重：Hugging Face 搜 OpenMOSS-Team/MOSS-Image-Base（或 SFT），国内用 ModelScope 镜像更快。在线试玩：仓库首页的 Spaces Demo 和 MOSI API Playground。
站长点评
这个项目我翻完，最大的感觉是”国产队终于把中文写字这事当回事了”。以前玩 SD、Flux，中文全靠后期 PS 补字，流程断得难受。MOSS-Image 直接把文本渲染做成核心卖点，还附赠版式控制和 4K 长提示词，海报、表情包、知识卡片这类”带字”的场景一下子就通了。生态也争气，开源 6 天 ComfyUI、SGLang 全跟上，说明不是放出来就不管的半成品。普通用户先去在线 Demo 玩两把，画张带中文的海报试试水；有卡的朋友再本地部署。开源免费，Apache 2.0，复旦团队出品，值得一个 star。
