MOSS-Image 是一項全新的技術，在現有的 AI 圖像生成技術中加入了 JSON 格式的版面控制功能，讓使用者能將物件與文字放置在想要的確切位置。
試著想像一下，你在平時慣用的 AI 繪圖工具輸入了「坐在咖啡廳裡的貓」。然而，AI 卻把貓畫在桌子角落，而不是椅子上。就算要求加入文字，位置也亂七八糟。為了做出心中那幅完美的場景，你不厭其煩地按了數十次「重新生成」按鈕，這樣的經驗想必大家都有過。
這就像是你拜託畫家畫一幅畫，結果畫家卻隨心所欲地擺放物件。這種無力感，現在有望解決了。最近發表的 MOSS-Image 是一項次世代技術，它不僅止於讓 AI 單純「繪圖」，還能精準反映使用者所期望的配置資訊。
這為什麼重要？
過去的圖像生成 AI 在理解使用者腦海中的精準構圖上有著極限。即便輸入「把蘋果放在書桌上」，蘋果也經常出現在書桌下方，或是不該出現的地方。
為了克服這些問題，MOSS-Image 引入了強大的「版面控制 (Layout Control)」功能。 出處: MOSS-Image 這不僅僅是下達指令，更能精準指定圖片中物件或文字的位置。
簡單來說：寫「訂單」的 AI
簡單來說，如果現有的 AI 是接收指令後「自行」繪製，那麼 MOSS-Image 就像是給畫家一份「繪圖設計圖（訂單）」。
這份設計圖使用的是 JSON (一種電腦能理解的結構化數據格式)。 出處: MOSS-Image, 出處: GitHub - OpenMOSS/MOSS-Image 只要將物件或文字的配置資訊以數據形式輸入，AI 就會將其視為設計藍圖，將物件精確配置在預期的位置。由於結合了自然語言提示詞、標籤序列與結構化數據，使用者能發揮遠比過去強大的控制力。 出處: OpenMOSS-Team/MOSS-Image-Base · Hugging Face
現況
目前 MOSS-Image 由基礎模型 MOSS-Image-Base 與經過更細緻微調的 MOSS-Image-SFT 等組成。 出處: MOSS-Image, 出處: OpenMOSS-Team/MOSS-Image-Base · Hugging Face
使用者平時可以像過去一樣透過自然語言輸入指令，而在佈局至關重要的任務中，則可運用 JSON 版面數據。 出處: OpenMOSS-Team/MOSS-Image-Base · Hugging Face 不過，對於一般大眾而言，處理 JSON 這種數據格式或許仍顯得有些生疏與困難，這點也是未來尚待解決的課題。 出處: GitHub - OpenMOSS/MOSS-Image
未來發展如何？
預計這類控制技術將會進一步發展。開發者社群普遍認為，以目前的版面控制功能為基礎，未來很有可能進化成即便是一般民眾，只要透過滑鼠點擊就能輕鬆調整位置的直覺式編輯工具。 出處: GitHub - OpenMOSS/MOSS-Image
AI 正在超越單純繪圖工具的定位，演化成能將我們腦中的影像更精確地實現出來的有力「創作助手」。
MindTickleBytes AI 記者觀點 在圖像生成 AI 領域中，「按意圖」實現繪圖一直是決定技術成熟度的最重要任務。像 MOSS-Image 這類技術，展現了 AI 能在數據層面上精準理解並反映人類意圖的可能性。
參考資料
-
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
- 透過 JSON 版面控制位置與佈局
- 搭載影片生成功能
- 自然語言提示詞 (Prompt)
- 標籤序列 (Tag Sequence)
- 直接的手寫數據
- MOSS-Image-Base 及 MOSS-Image-SFT
- Nano Banana 1 及 2
- Hailuo AI 引擎