从动漫到写实:MOSS-Image风格控制完全指南与Prompt模板合集
从动漫到写实:MOSS-Image风格控制完全指南与Prompt模板合集
MOSS-Image 是一款 5B 参数的开源文生图模型(DiT 架构),既能画精致动漫,也能出照片级写实,还支持复杂文字渲染与版式(Layout)控制。本文围绕「风格控制」这条主线,带你掌握用 Prompt 切换动漫 / 写实 / 混合风格的写法,并在文末附上一套可直接套用的 Prompt 模板合集。
一、MOSS-Image 能力速览
| 能力 | 说明 |
|---|---|
| 🎨 多风格 | 高质量动漫与照片级写实皆可生成 |
| ✍️ 文字渲染 | 图中可准确渲染中文、英文与复杂排版 |
| 📐 Layout 控制 | 用 JSON 包围盒控制文字与物体的位置 |
| 📜 长 Prompt | 支持最长 4K tokens 的描述输入 |
| 🛠️ 易微调 | 通过 LoRA 训练可适配自定义风格与领域 |
官方提供两个权重版本,可在 README.md 中查看下载入口:
- MOSS-Image-Base:基础模型,保留完整训练信息,适合社区训练 LoRA;
- MOSS-Image-SFT:在 Base 上用精选数据微调的版本,文字分组与排版更规整。
二、风格控制第一步:选对 Prompt 输入格式
根据 USERGUIDE.md 的官方建议,MOSS-Image-Base 支持多种输入格式,格式选择直接决定风格走向:
- 自然语言长句(推荐写实风):用完整句子描述主体、环境、光线、镜头与材质;
- 标签序列(推荐动漫风):逗号分隔的关键词,如
best quality, highres, 1girl, blue hair; - JSON Layout(推荐排版/海报类):用
summary+items结构精确控制每个元素的位置。
💡 语言上官方推荐英文(训练数据最多),中文同样支持,中英文混排也常见于示例中。
三、动漫风:标签序列写法
画动漫角色时,最有效的写法是质量标签 + 角色特征 + 场景标签的序列。官方推荐标签顺序为:
Quality → Score → Meta → Year → Character → Series → Artist → General
例如:best quality, highres, hatsune miku, vocaloid, @artist name, 1girl, blue hair。标签越靠前权重越高,把你最想强调的风格词放最前面。
多人动漫场景也完全可行。下面的十人合影示例使用了一段长 Prompt + 逐角色 JSON 描述,官方示例的原始提示词与参数保存在 assets/images/004/parameters.json,值得逐字学习:
📋 动漫风模板:
best quality, highres, 1girl, [角色名/系列名], [发色+发型], [服装描述],
[action/表情], [场景], [光照], [镜头角度], [上色风格:cel shading / watercolor 等]
负向提示(Negative Prompt)建议固定使用官方默认值(见 assets/prompt_defaults.txt):
nsfw, worst quality, bad anatomy, watermark, jpeg artifact
四、写实风:长 Prompt 五段式公式
写实风格依赖长自然语言描述。从官方示例中可以提炼出一个好写的五段式公式:
- 主体与动作:谁、在做什么、穿着什么;
- 环境与构图:场景、前景/中景/背景层次;
- 光线与镜头:光源方向、色温、景深、镜头焦段;
- 材质与细节:皮肤纹理、布料褶皱、湿润反光等真实感细节;
- 色调与氛围:胶片颗粒、冷暖调色板、情绪关键词。
下面这张"复古游戏房"快照展示了写实风对闪光、反光材质和日常氛围的还原能力:
📋 写实风模板:
A [镜头类型] photograph of [主体+动作]. [环境描述], [前景/背景层次].
[Lights: 光源与色调], [camera: 焦段/景深/视角],
[材质细节], [调色板], [氛围词], film grain.
官方示例中的雨夜便利店长 Prompt(assets/images/020/parameters.json)就是这个公式的完整示范:
五、混合风格:把动漫放进真实世界
MOSS-Image 最有趣的能力之一是风格混搭——让动漫角色无缝融入照片级环境,或用素描质感表现动漫角色。关键是在 Prompt 中同时写清「角色用哪种风格画」和「环境用哪种风格画」。
📋 混合风模板:
A [角色描述], rendered in [动漫/赛璐璐风格], placed in a
[photorealistic 环境描述]. [两者如何融合:光线一致、投影一致],
[镜头与景深], [整体色调].
六、文字渲染与 Layout 版式控制
MOSS-Image 的另一大卖点是在图中精确渲染文字。两种控制方式:
- 轻量控制:在 Prompt 中直接用引号包住要渲染的文字,用
\n或实际换行控制换行; - 精确控制(Layout):粘贴一段 JSON,用包围盒(bbox)指定每个文字块和物体的位置。
Layout JSON 的核心字段(完整规范见 skills/moss-image-prompt-enhancer/references/layout.md):
{
"summary": { "caption": "整体场景与风格描述" },
"items": [
{ "label": "text", "caption": "元素描述", "text": "要渲染的文字",
"bbox": [-416, -384, -288, 384] }
],
"bbox_coord_space": "abs_centralized",
"bbox_format": "yxyx"
}
bbox_format: "yxyx"表示坐标顺序为[y_min, x_min, y_max, x_max];abs_centralized表示以画布中心为原点的像素坐标,1024×1024 画布上每个轴的范围是 −512 到 +512;- 生成时的宽高必须与坐标所用的画布尺寸一致。
不想手算坐标?官方仓库内置了 Prompt Enhancer 技能(skills/moss-image-prompt-enhancer/SKILL.md),它能把你的图像创意自动扩展成详细描述或 Layout JSON,坐标换算由附带脚本完成。
七、采样参数:影响风格的"隐藏开关"
同样的 Prompt,参数不同风格质感也会变。官方推荐配置如下:
| 参数 | 推荐值 | 作用 |
|---|---|---|
| Steps | ≥ 50 | 采样步数,太少会细节不足 |
| CFG (guidance_scale) | 3.0(短 Prompt 可提到 3–6) | 提示词遵循强度 |
| Shift | 5.0 | 流匹配时间步偏移 |
| Sampler | Euler | 默认推荐采样器 |
| uncond_skip_layers | 22(SLG) | 层跳过引导,提升画面质量 |
| 分辨率 | 1M / 1.5M / 2M 像素 | 宽高必须是 16 的倍数 |
两个实用细节:
- 关掉 SLG(不跳过层):输出会"非常写实",但部分细节可能崩坏——适合追求纪实感的场景;
- 短 Prompt 适当提高 CFG,长 Prompt 用默认 3.0 即可。
八、Prompt 模板合集:5 个可直接套用的公式
1️⃣ 动漫角色立绘
best quality, highres, 1girl, [角色特征], [发色发型], [服装],
[表情动作], [背景], [光照], cel shading, consistent character design
2️⃣ 照片级人像/街拍
A [景别] photograph of [主体]. [环境], [光源方向与色温],
[镜头焦段], shallow depth of field, realistic skin texture,
[色调], subtle film grain.
3️⃣ 中文文字渲染(示例 Prompt 见 USERGUIDE.md)
一个穿着"MOSI"标志T恤的角色面向镜头。她身后的玻璃板上手写体写着
"第一行内容。\n第二行内容"。
negative prompt: worst quality, bad anatomy
4️⃣ 素描/手绘质感——在角色描述后追加媒介关键词即可,官方示例输出如下:
[角色/场景描述], rendered as a pencil sketch, graphite texture,
hand-drawn linework, paper grain, monochrome.
5️⃣ 创意媒介混搭——纸雕、黏土、低多边形等都适用,关键是写清"媒介 + 工艺细节",例如官方示例中的多层折叠纸雕绘本(assets/images/005/parameters.json):
[主体场景], 以[媒介:纸雕/黏土/水彩...]呈现,
[工艺细节:层数/笔触/材质质感], [色调], [比例与版式].
九、Base 还是 SFT?先看懂再选模型
以同一提示词为例,SFT 版本的文字分组更清晰、白板排版更规整:
| MOSS-Image-Base | MOSS-Image-SFT |
|---|---|
![]() |
![]() |
- 追求风格自由度和 LoRA 微调 → 选 Base;
- 追求开箱即用的文字排版效果 → 选 SFT。
十、延伸资料
| 资料 | 路径 |
|---|---|
| 中文用户指南 | USERGUIDE_ZH.md |
| 英文用户指南 | USERGUIDE.md |
| 技术报告 | paper/MOSS_Image_Technical_Report.pdf |
| ComfyUI 插件 | comfyui/README.md |
| Prompt 增强技能 | skills/moss-image-prompt-enhancer/SKILL.md |
| Gradio 界面入口 | gradio_app.py |
如果以上模板仍不能满足需求,还可以用 LoRA 微调把某个固定风格"焊死"在模型里——USERGUIDE.md 的 Post-Training 章节给出了完整训练建议。掌握「格式 + 标签顺序 + 参数」这三件事,你已经在 MOSS-Image 的风格控制上超过大多数人啦 🎉












