OpenMOSS开源MOSS-Image,主攻长文本渲染和可编辑布局

OpenMOSS刚放出一个开源图像生成模型MOSS-Image,公开说的卖点就两个:长文本渲染,可编辑布局。项目动态可以盯他们的 OpenMOSS GitHub 主页,权重和文档出来大概率先在那边露面。

这两个方向正好戳在做图的人最难受的地方。现在的开源模型画两三个字的标题还凑合,一旦要在海报上放一整段说明、一张带价格的促销图、一页菜单,就开始缺笔画、串行、生造字,中文尤其明显,最后还是得回PS里一个字一个字补。就算字写对了,出来的图也是死的,想把文字块挪个位置只能重新抽卡。

“可编辑布局”这一点我比长文本更在意。如果它的意思是文字和画面元素能分开控制,改排版不用重画整张,那对详情页、活动海报这种客户一句话就要改三版的活儿,是真能省时间的。不过眼下能确认的只有发布信息本身,具体怎么交互、要多大显存、中文长段落能写多长、和现有能写字的模型比到底强多少,都还得等人上手跑过才知道。

我的打算是:主要画插画、风景、人像的朋友不用急,它的长处不在那儿;天天跟文字海报、信息图、商品主图打交道的,值得空一个晚上部署试试,拿自己最头疼的那类稿子去测,比看官方效果图靠谱得多。

长文本最怕的其实不是错字,是字距行距一团乱。之前试过几个模型,字倒是都对了,排出来像勒索信,客户一眼就看出不是设计师排的,希望这个布局能直接管对齐

终于有人专门做这个了