MOSS-Image 開源：5B 生圖模型如何控制文字位置與海報版面？
MOSS-Image 提供 Base、SFT 權重、版面 JSON 與 ComfyUI 支援。本文整理 5B 模型的文字生成、座標格式、記憶體模式與實作檢查，幫你判斷是否適合海報製作。
MOSS-Image 是 OpenMOSS 在 2026 年 10 月 16 日公開的圖片生成模型，主打文字呈現、版面控制與方便微調，並提供 Base 和 SFT 兩種權重。
做活動海報時，最麻煩的往往不是風格，而是標題要在上方、產品不能被擋住，日期也不能少一個字。因為這些資訊有固定用途，圖片再漂亮，內容錯了仍然不能交付。
MOSS-Image 的做法，是讓使用者除了自然語言描述，也能用結構化版面指定元素和位置。這使「想要哪種感覺」之外，多了一種表達「東西放在哪裡」的方法。
官方同時提供 ComfyUI 外掛與使用指南，方便把模型接進既有生圖流程。但 5B 只描述主幹模型規模，不等於所有硬體需求，也不能保證每張圖的文字完全正確。
對需要海報、資訊圖或固定構圖的創作者，這次開源值得研究。若你最在意的是文字能像排版軟體一樣直接編修，仍要先分清生成像素與可編輯文字的差別。
從模型版本與版面輸入開始看，才知道它適合放進哪一段製作工作。
MOSS-Image 的 Base 與 SFT 模型該怎麼選？
Base 是基礎版本，SFT 則是在基礎模型上使用整理過的資料進一步訓練。根據 OpenMOSS 官方程式庫，兩者都已提供程式與模型權重。
權重是模型訓練後的數值資料，取得之後可以在相容環境執行。這和只透過網站生成不同，因為使用者多了部署與調整的空間，也需要自行處理環境。
先用相同需求比較兩種版本
官方展示的 Base 與 SFT 比較，說明後者在部分文字群組與版面組織上有改善。但這仍是特定範例，不能直接推論所有風格都一定選 SFT。
若要先做文字海報，可以從 SFT 測試版面與字群組織。若想研究客製訓練與不同風格，再以 Base 作為比較起點；這是選擇順序的建議，效果仍需用自己的需求確認。
若主要做活動海報，就用同一份標題、日期與產品描述比較。因為內容固定，才看得出差異來自模型，或只是你換了一組比較容易的提示詞。
若工作需要進一步微調，也應保存所用版本與設定。否則之後效果變了，可能不知道是模型更新、設定不同，還是資料造成差異。
5B 不包含整個系統的所有需求
官方把 5B 作為主幹模型規模描述，但生圖流程還包含文字編碼與影像轉換等組件。因為這些組件也占用資源，不能只從主幹參數估整體記憶體。
你也可以透過不同模式把部分組件移到主記憶體，但速度可能下降。因此選擇時應同時看顯存、一般記憶體與等待時間，而不是只問能不能載入。
Layout JSON 如何控制文字與物件？
Layout JSON 是用結構化欄位描述畫面的方法，會列出場景、元素、文字和位置。JSON 可以先理解成讓程式讀取的資料格式，內容由明確欄位組成。
官方 使用指南說明，使用者可把整段版面資料放進提示欄，並搭配相同的輸出尺寸。
座標格式要先對齊
MOSS-Image 的範例使用以畫布中心為原點的像素座標，並以 yxyx 描述邊界，順序是 [y_min, x_min, y_max, x_max]，也就是依序填入上、左、下、右四個邊界位置。
以 1024×1024 畫布為例，中央是零，邊界大致落在正負 512。因為原點在中央，從一般左上角座標搬過來時，需要扣掉畫布寬高的一半。
如果順序或原點弄錯，元素可能跑到意料之外的位置。這時不一定是模型不聽話，也可能是輸入資料本身和你想像的版面不同。
四個座標如何變成一塊標題區域？
以官方的 1024×1024 海報範例來看，標題邊界是 [-416, -384, -288, 384]。第一個數字表示上緣，第二個表示左緣，後兩個依序是下緣與右緣。
因為座標原點在畫布中央，上緣負 416 代表位於中心上方，左緣負 384 代表位於中心左方。右緣正 384 則往右延伸，所以這是一塊靠上、左右對稱的長方形。
若換成一般從左上角起算的位置，四個值各加上 512，就得到上緣 96、左緣 128、下緣 224、右緣 896。這能幫你先在草圖上標出區域，再轉成模型要求的格式。
若把海報改成橫式，則要重新檢查畫布中心與各區域位置，不能只換輸出尺寸就假定版面會等比例調整。因為這裡用的是像素距離，同一組數字在更寬的畫布上，會占不同的寬度比例。
先畫草圖再填座標，可以把設計選擇和格式問題分開。當結果偏離預期時，也比較容易判斷是位置輸入錯了，還是模型沒有遵循合理的要求。
這塊標題區域寬 768 像素、高 128 像素，可以容納多大的文字，仍要看內容長短與生成結果。若放進很長的活動名稱，與其只要求字更清楚，不如先加大區域或安排換行。
版面規劃先保留閱讀順序
活動海報可以先分成標題、主視覺、日期與補充資訊。因為觀眾閱讀時需要先知道活動是什麼，再決定是否看細節，所以元素大小與位置應反映優先順序。
不要把每一行都設成同樣大，也不要為了填滿空白就增加文字。結構化輸入的優勢，是讓你有機會控制資訊層次，而不只是把更多元素塞進圖片。
例如先把主標題放在上方，再保留產品或人物的完整區域，最後安排日期。這是排版建議，仍需要看生成結果是否真的遵守，再做修正。
控制位置不等於每次精準對齊
版面輸入提供控制方向，但圖片仍是模型生成結果。若文字換行、物件比例或留白和預期不同，就要檢查描述與位置是否互相衝突。
例如你給標題很窄的區域，卻要求一行放很多字，模型就可能擠壓或變形。先讓版面條件合理，才能判斷剩下的問題是模型能力還是輸入要求。
ComfyUI 與記憶體模式怎麼搭配？
ComfyUI 是用節點連接圖片生成步驟的工具，使用者可以把模型、提示詞與取樣流程組成工作流。MOSS-Image 官方程式庫已提供對應外掛與範例。
官方說明外掛可以輸出常見的模型、文字處理與影像轉換節點，並支援從本機模型目錄載入。這讓既有使用者能沿用熟悉的流程，但版本相容性仍要確認。
先跑官方範例，再加入自己的修改
第一次使用時，先以官方提供的工作流確認模型路徑與組件完整。因為同時修改多個節點，出錯時會很難知道是哪個環節造成。
成功之後，再換成自己的海報內容或版面資料。每次只改一個主要條件，較容易確認文字、尺寸和取樣設定之間的影響。
官方也提供 Gradio 介面，讓使用者不必先建立完整節點流程。若目標只是理解模型能力，先選容易操作的入口即可，不需要為了工具形式增加學習負擔。
記憶體不足時，用速度換取執行空間
官方介面列出 GPU resident、Component 與 Sequential 等模式，分別對應不同程度的組件移動。保留在顯示卡上的內容越少，需求通常較低，但資料搬移可能增加等待。
以下把選擇方向整理在一起。
| 模式 | 概念 | 適合先觀察的事情 |
|---|---|---|
| GPU resident | 組件留在顯示卡 | 顯存是否足夠 |
| Component | 分組移動組件 | 速度與資源的平衡 |
| Sequential | 更細分地移動 | 能否完成與等待時間 |
表格中的方向仍要對照實際設備。因為解析度與其他程式也會影響資源，最好留下設定和完成時間，才方便日後比較。
用同一份海報需求檢查生成品質
評估 MOSS-Image，最實際的方法是準備一份不變的活動資訊，再測文字、版面與修改。因為海報的目的本來就是傳遞正確資訊，不能只挑最好看的圖。
可以準備主標題、日期、地點與一句介紹，並指定哪些字絕對不能改。再對照輸出逐字檢查，特別是繁體字、數字與標點。
先查文字，再看美感
生圖模型可能產生看起來像文字、但實際少筆畫或換字的結果。若只縮小看整體，很容易漏掉，所以重要資訊應放大逐項核對。
日期尤其值得檢查，因為一個數字錯誤就會影響參與者。若反覆生成仍不可靠，可以把文字交給排版工具後製，讓模型專心處理背景與主視覺。
這種分工不會降低 AI 的價值，反而能把它放在較擅長的工作。對正式宣傳，可靠交付比追求整張圖一次生成更重要。
同一張海報，比較一般描述與版面輸入
可以先用自然語言要求「上方放活動名稱，下方放日期，中央保留主視覺」，再用相同文字與尺寸加入版面資料。這是建議的比較方式，本次沒有實際生成兩組結果。
先看兩種輸入是否都把資訊分開，再檢查哪一種較容易維持閱讀順序。如果一般描述已經足夠，便不必為每張簡單圖片手寫座標；版面資料應用來解決確實需要控制的位置。
反過來，若同系列海報都要留出固定的標誌區域，座標就能把這項要求寫得更清楚。但仍應逐張查看有沒有物件侵入留白，因為指定邊界不等於建立了排版軟體中的鎖定圖層。
比較 Base 與 SFT 時也沿用這一份需求，避免一個版本用短標題、另一個卻用長段文字。固定內容之後，才看得出差異是文字組織、位置遵循，還是單純風格不同。
再測一次局部修改
第一張圖完成後，只修改 Layout 裡的標題座標或一個物件描述，再重新生成，看看其他部分是否穩定。因為真實工作經常要改稿，能否保留已確認的內容會影響長期效率。
如果每改一項就讓整體風格大幅變動，便要考慮保存部分素材、分層處理，或回到傳統排版。這些結果能幫你判斷模型適合做初稿，還是可以接近最終製作。
保存模型、設定與授權紀錄
官方程式庫列出 Apache 2.0 等授權資訊，使用者仍應分別查看採用的程式與模型檔。模型授權也不會自動替你處理輸入圖片、商標或人物素材的權利。
若替客戶製作，保留來源、版本與生成紀錄，能讓交付更清楚。日後同一個活動要改尺寸，也比較容易接續原本的工作，而不是重新猜一組提示詞。
延伸閱讀
延伸閱讀：FLUX 3 Image Klein 開放權重：單張消費級顯卡生圖，4K 與編輯怎麼用？
延伸閱讀：Krea 3 開放測試：2K 編輯不到 8 秒，商品一致性與多輪修改怎麼看？
MOSS-Image 常見問題
文字生成好，代表不用校稿嗎？
仍要逐字核對。尤其日期、名稱和繁體字直接影響資訊正確性，不能只看圖片整體是否自然。
Layout 生成的文字可以直接改字型嗎？
它仍然是生成圖片的一部分，不等於排版軟體的文字圖層。若需要精準改字與字型，後製排版仍較容易控制。
小顯存電腦能使用嗎？
官方提供不同記憶體模式，但能否順利執行仍和設備、尺寸及設定有關。先用較小範例測通，再增加解析度，比直接追求最大輸出更容易排查。
把版面控制用在資訊正確，而不只是畫面更滿
MOSS-Image 讓創作者多了一種指定元素位置的方式，對文字海報與固定構圖很有吸引力。實際採用時，應把文字校對、局部修改和資源需求一起驗收。
先用一張活動海報比較兩種模型與不同流程，留下可重跑的設定。想追蹤開源生圖工具與製作方法，可以免費訂閱 AI 郵報。
