MOSS-Image是一项新技术，它在现有的AI绘图技术基础上增加了JSON格式的布局控制功能，帮助用户将物体和文字放置在所需位置。
试想一下。你在常用的AI绘图工具中输入了“坐在咖啡馆里的猫”。然而，AI并没有把猫画在椅子上，而是画在了桌子角落里。即使要求添加文字，位置也是乱七八糟的。为了制作出完美的画面，你可能至少按过几十次“重新生成”按钮，这种经历相信大家都有过。
这就像委托画家作画，画家却完全按自己的想法安排物体位置一样。现在，这种沮丧感有望得到缓解。最近发布的 MOSS-Image 是一项下一代技术，它不仅让AI超越了单纯的“画画”阶段，还能确保准确反映用户想要的位置信息。
为什么这很重要？
此前的图像生成AI在理解用户脑海中的准确构图方面存在局限。即使明确要求“把苹果放在桌子上”，苹果也经常出现在桌子下面或莫名其妙的地方。
为了解决这个问题，MOSS-Image引入了一项名为“布局控制（Layout Control）”的强大功能。 出处: MOSS-Image 这不仅限于下达命令，还能精确指定图像中物体或文字的位置。
简单来说：写“订单”的AI
简单来说，如果说现有的AI是接收命令后“自主”作画，那么MOSS-Image就像是给画家一份 “作画设计图（订单）”。
这份设计图使用了 JSON（一种计算机可理解的结构化数据格式）。 出处: MOSS-Image, 出处: GitHub - OpenMOSS/MOSS-Image 通过以数据形式输入物体或文字的排列信息，AI会将其作为设计图，准确地将物体放置在预定位置。由于它结合了自然语言提示词、标签序列和结构化数据，用户可以获得更高的控制权。 出处: OpenMOSS-Team/MOSS-Image-Base · Hugging Face
当前状况
目前，MOSS-Image 由基础模型 MOSS-Image-Base 和经过更精细微调的 MOSS-Image-SFT 等组成。 出处: MOSS-Image, 出处: OpenMOSS-Team/MOSS-Image-Base · Hugging Face
用户可以像往常一样用自然语言输入命令，而在布局至关重要的任务中，则可以利用JSON布局数据。 出处: OpenMOSS-Team/MOSS-Image-Base · Hugging Face 不过，对于普通用户来说，处理JSON这种数据格式可能依然显得有些陌生和困难，这仍是一个亟待解决的课题。 出处: GitHub - OpenMOSS/MOSS-Image
未来会怎样？
预计此类控制技术将得到进一步发展。目前开发者群体中普遍认为，基于布局功能，未来极有可能演变成普通用户仅需鼠标点击即可轻松调整位置的友好型编辑工具。 出处: GitHub - OpenMOSS/MOSS-Image
AI正超越单纯的绘画工具，演变成能够更精确地实现我们脑海中图像的有能力的“创作助手”。
MindTickleBytes AI 记者观点 在图像生成AI领域，“按意图”实现画面一直是决定技术成熟度的最重要课题。像MOSS-Image这样的技术展示了AI能够在数据层面精确理解并反映人类意图的可能性。
参考资料
-
MOSS-Image Text-to-ImageGenerationwithNativeLayoutControl, https://openmoss.ai/MOSS-Image/ - GitHub - OpenMOSS/MOSS-Image: Official repository for…, https://github.com/OpenMOSS/MOSS-Image
- OpenMOSS-Team/MOSS-Image-Base · Hugging Face, https://huggingface.co/OpenMOSS-Team/MOSS-Image-Base
- 更快的生成速度
- 通过JSON布局控制位置和排列
- 内置视频生成功能
- 自然语言提示词
- 标签序列
- 直接手写数据
- MOSS-Image-Base和MOSS-Image-SFT
- Nano Banana 1和2
- Hailuo AI引擎