MOSS-Image-SFT-bf16提示词指南:10类高质量出图Prompt模板与技巧清单
MOSS-Image-SFT-bf16提示词指南:10类高质量出图Prompt模板与技巧清单
MOSS-Image-SFT-bf16 是一个面向 Apple Silicon 的文生图扩散模型(MLX bf16 量化版),基于 MOSS-Image-Base 监督微调而来。它最突出的能力是长文本图像生成(支持中英文、保留换行)和 JSON 布局提示词(用边界框精确控制文字与元素位置)。本文整理 10 类高质量出图 Prompt 模板与一份参数速查清单,帮助新手一次写出图。
📌 先认识一下模型:MOSS-Image-SFT-bf16 擅长什么
| 组件 | 说明 | 配置文件 |
|---|---|---|
| 主干 DiT | 5B 单流 DiT,42 层,4 轴 RoPE | transformer/config.json |
| 文本编码器 | Qwen3.5-9B(Apache-2.0) | text_encoder/config.json |
| VAE | FLUX.2 小型解码器 | vae/config.json |
| 调度器 | Euler flow matching(shift=5) | scheduler/scheduler_config.json |
| 流水线定义 | MOSSImagePipeline | model_index.json |
它有两个被官方 README 明确标注的强项,写提示词时要围绕它们发力:
- 长文本渲染:英文与中文都可以,Prompt 中的换行会被保留,适合写"多行文案";
- JSON 布局提示词:通过
bbox_format: "yxyx"与bbox_coord_space: "abs_centralized"指定文本/物体的位置(像素坐标,以画布中心为原点)。
权重为 Apache-2.0 许可,详见 LICENSE。
✍️ 出图 Prompt 基础公式(建议先背下来)
一条高质量的 MOSS-Image 提示词可以拆成 5 段:
主体 + 场景/环境 + 文字内容(用引号)+ 构图与光线 + 风格与质量词
示例(官方风格的手绘招牌):
A hand-painted wooden sign that reads "OPEN LATE", warm morning light, shallow depth of field, photorealistic
几个新手容易忽略的点:
- 需要出现在图里的文字,务必用引号包住,让模型区分"描述"与"要渲染的字";
- 中英文提示词都可以用(language 支持
en, zh),多行文案直接换行书写即可; - 官方采样参数下 CFG 为 3、负向提示词为空,不必写负面提示词,把字数留给正向描述。
⚙️ 参数速查清单(出图前对一遍)
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 采样器 | Euler flow matching | 官方推荐 |
| 步数 steps | 50 | 质量基准值 |
| shift | 5 | 对齐训练网格 |
| CFG | 3 | 负向分支会跳过第 22 层 block |
| 负向提示词 | 留空 | 官方默认 empty |
| 尺寸 | 256²~1456²,宽高必须是 16 的倍数 | 按面积取值 |
| 随机种子 seed | 如 42 | 固定种子便于复现 |
参考 README.md 中的官方采样配置,Swift/MLX 端一次调用大致如下:
let r = try await package.run(T2IRequest(
prompt: "A hand-painted sign that reads OPEN LATE",
width: 1024, height: 1024, seed: 42)) as! T2IResponse
模型权重可通过以下命令获取:
git clone https://gitcode.com/hf_mirrors/mlx-community/MOSS-Image-SFT-bf16
🎯 10 类高质量出图 Prompt 模板
以下模板均围绕模型"长文本 + 精确排版"的强项设计,可直接复制改写。
1. 电商产品海报(长文案 + 大标题)
模板公式:产品主体 + 背景氛围 + 主标题(引号)+ 卖点短句(引号)+ 版式描述
一瓶玻璃瓶装的冷萃咖啡居中放置,浅灰色哑光背景,柔和棚拍光线;上方大字标题"清晨第一杯",下方小字"0 糖 0 脂 · 现磨冷萃",简约留白版式,高级质感商业海报
适合:产品详情页头图、促销主视觉。文案较多时按"主标题一行、副文案一行"分行书写,换行会被保留。
2. 中文海报 / 书法排版
模板公式:字体风格 + 文字内容(引号)+ 纸面/背景质感 + 排版方式
竖排中文书法,毛笔黑体写"山月不知心里事",米白色宣纸背景,淡墨晕染,右侧留白处加一枚红色印章,竖版构图
中文是模型的强项,书法、宋体、手写体等风格词都可以直接描述,文字内容务必加引号。
3. 手绘招牌 / 街边小店牌(官方示例同款)
模板公式:招牌材质 + 文字内容(引号)+ 光线与景深 + 写实风格
A hand-painted wooden sign that reads "OPEN LATE", rustic café storefront, warm morning light, shallow depth of field, photorealistic
这是 README.md 中的官方示例,1024×1024、seed 42 即可复现同款效果,最适合新手第一次上手。
4. 信息图表 / 数据可视化
模板公式:图表类型 + 图内文字与数值(引号)+ 配色 + 版式
一张极简数据信息图,标题"2026 年度总结",中间环形图标注"42%",下方三行文字"收入 +18% / 成本 -6% / 用户 1.2M",蓝白配色,扁平设计,留白充足
注意:让模型生成"数字 + 单位"的短文本比长段落更稳定,单行文字尽量短。
5. 社交媒体封面 / Newsletter 头图
模板公式:画幅方向 + 主视觉元素 + 大标题(引号)+ 日期/栏目名(引号)+ 配色风格
横版封面图,深蓝色渐变背景上一轮巨大的月亮,居中大字"深夜电台",右下角小字"VOL.07 · 十月刊",电影感光影,杂志级排版
封面类图像文字层级多,建议按"大标题 → 副标题 → 角标"逐行写,正好利用换行保留的特性。
6. 书籍封面 / 专辑封面
模板公式:封面题材意象 + 书名(引号)+ 作者名(引号)+ 字体与位置 + 整体气质
书籍封面,水彩风格的山海日出插画,顶部居中书名"远山灯火",底部小字"林间 著",米黄底色,文艺气质,3D 书壳立体展示
7. JSON 布局精确控制(进阶,本模型独门技巧)
用 JSON 提示词可以精确指定每个文本/元素在画布上的位置。结构为 summary.caption(整体画面描述)+ items(元素列表),并声明 bbox_format: "yxyx" 与 bbox_coord_space: "abs_centralized"(像素坐标,以画布中心为原点,与请求尺寸一致):
{
"bbox_format": "yxyx",
"bbox_coord_space": "abs_centralized",
"summary": {
"caption": "A rustic café poster with a hand-painted OPEN LATE sign, warm light"
},
"items": [
{ "text": "OPEN LATE", "bbox": [440, 352, 584, 672] }
]
}
要点:
- 坐标顺序是 yxyx(先 y 后 x),不是常见的 xxyy,新手最易踩坑;
- bbox 的像素尺寸应与输出画布一致(如 1024×1024);
- 适合"海报精排":主标题、副标题、价格标签各占一个 item。
8. 动漫风格插画
模板公式:角色/场景 + 台词气泡文字(引号)+ 画风参考词 + 色彩
动漫风格,一位戴耳机的少女坐在窗边喝咖啡,窗外是夜晚的城市霓虹,头顶气泡文字"今晚不加班",赛璐璐上色,高饱和色,16:9 构图
9. 写实场景摄影
模板公式:拍摄视角 + 主体动作 + 图内文字(引号,如路牌/菜单)+ 镜头语言 + 画质词
街头纪实摄影,35mm 镜头视角,雨天夜晚的小面馆,玻璃门上手写"24H 营业",暖黄灯光与湿地面反射,浅景深,胶片质感
写实类模板里塞一块"手写文字"(招牌、菜单、涂鸦),能明显提升画面真实感。
10. 极简线条 / 徽章 Logo 风
模板公式:单线/双色约束 + 主体图形 + 环形文字(引号)+ 负空间描述
单线条极简徽章,中间一只猫头鹰剪影,环形文字"MOSS IMAGE STUDIO",外圈细圆环,黑白双色,纯白背景,矢量感
✅ 新手避坑清单
- 宽高必须是 16 的倍数,支持 256² 到 1456² 的按面积取整尺寸;
- 图内文字一律加引号,多行文案直接换行书写;
- 负向提示词留空,CFG 固定 3,步数 50,不要随意调;
- 用 JSON 布局时,坐标顺序是 yxyx,原点在画布中心;
- 固定
seed(如 42)才能复现同一张图,改种子才能抽卡。
📂 常用文件速查
| 文件 | 用途 |
|---|---|
| README.md | 模型介绍、采样参数与示例 |
| model_index.json | 流水线组件定义 |
| transformer/config.json | DiT 结构参数 |
| scheduler/scheduler_config.json | 采样调度器配置 |
| tokenizer/chat_template.jinja | 分词器对话模板 |
| LICENSE | Apache-2.0 许可 |
掌握"主体 + 文字内容 + 排版 + 风格"的四段写法,再配合 50 步 / shift 5 / CFG 3 的官方参数,就能充分发挥 MOSS-Image-SFT-bf16 在长文本与精确排版上的优势。从第 3 类的招牌模板开始练习,逐步过渡到第 7 类的 JSON 布局,出图质量会明显上一个台阶。