拿 5B 参数的国产开源模型,给 Claude 和 DeepSeek 画拟人形象:效果有点离谱

逍遥子 2

最近抖音上那种"AI 大模型拟人化"视频特别火,Claude 和 DeepSeek 被画成各种形象,评论区天天"好磕"。我看着手也痒了:要不我也给它俩设计个形象?正好最近有个国产开源生图模型 MOSS-Image 挺火的,5B 参数,主打文字渲染和排版,那就拿它开刀,顺便看看开源模型现在到底进化到什么程度了。

先说结论:又快又准,确实有点东西。

MOSS-Image 生图实测封面

先给它俩定个"人设"

做拟人形象,第一步不是写提示词,而是先把角色的视觉特点想清楚——这其实就是一张角色设定单。

我给 Claude 选了橙色、深棕色和奶油白。橙色是 Claude 的 logo 色,奶油白是它官网的背景色,再配深棕压一压,维多利亚风长裙一穿,气质就是温暖、沉稳,带点复古。DeepSeek 就好办了,蓝色加鲸鱼,直接走海洋主题,配一套活泼的女仆装,跟它平时给人的印象挺搭的。

Claude 与 DeepSeek 拟人形象对比

DeepSeek 海洋主题女仆形象

提示词其实就是设定单

把上面这些想法拆开,就是提示词的骨架:颜色、外形、服装、表情动作,再到人物所处的环境。每加一个细节就问自己一句:它能不能让这个角色更鲜明?两份完整提示词我直接放出来,拿去就能用:

Claude:

1girl, high quality, masterpiece, solo, orange hair,
long wavy hair, looking at viewer, expressive determined gaze,
elegant Victorian-inspired gown, dark brown corset bodice
with gold embroidery, cream-colored ruffled undershirt,
luminous dark brown layered skirt with intricate gold patterns over
a cream petticoat, decorative gold brooch at collar and waist,
bow in hair, earrings, outdoor setting, grand European historical building,
stone staircase, balustrades, architectural details, sunny day,
natural lighting, cinematic composition, anime style,
rich warm colors.

DeepSeek:

1girl, high quality, masterpiece, solo, lively anime girl,
long vibrant blue hair, braided details, wearing ribbons and bows,
expressive blue eyes, cheerful smile, waving hand,
unique aquatic fin-like ears, navy blue and white maid outfit,
ruffled apron with a small whale and waves illustration,
layered skirt, seaside European town background,
stone pathway, outdoor Cafe, harbor, boat, ocean,
bright sunny day, natural lighting, anime style,
rich blue and white color palette.

Prompt Enhance:懒人的快乐

这次最让我意外的功能是 Prompt Enhance。上面 DeepSeek 那张图,我一开始只写了一句中文:"一只拟人化的DeepSeek二次元少女,可爱,充满活力,有鲸鱼尾巴,女仆装站在海边小镇上微笑"。点一下 Prompt Enhance,它自动扩成几百词的英文提示词,点提交就出图了。

Prompt Enhance 中文输入

Prompt Enhance 增强后生成

说实话,增强出来的效果,比我自己吭哧吭哧写的还好。不会写提示词的人,直接有手就行。

快和准,是两个硬指标

先说快。用过 Stable Diffusion 或者 ComfyUI 的都懂,生图步数直接决定你要等多久,步数越多越慢。MOSS-Image 这速度,比它们快不止一两倍。做角色设计的时候,脑子里老冒新想法:头发换个颜色呢,背景换成海边呢?出图反馈快,你才有动力顺着想法一直试下去。

再说准。很多开源模型搞不定中文,强如 Flux 也经常把字写成外星文。做封面、海报、产品介绍图,字直接进画面是刚需,写错一个字整张图就废了。MOSS-Image 的中英文文字渲染是真准,下面这两张都是直接生成的,没 P 过:

MOSS-Image 中文文字渲染示例

MOSS-Image 中文白板文字渲染

JSON Layout:给强迫症的排版工具

另一个有意思的是 JSON Layout 布局控制。简单理解,就是把画面里有哪些元素、各自放在哪里,用结构化的 JSON 写清楚。人物放右侧,标题放左上,介绍放左下,背景继续用海洋元素——排版党狂喜。做广告海报、电商产品图、社媒封面,经常要同时塞人物、产品和文字,能提前安排位置,构图就多了一层控制。

MOSS-Image JSON Layout 布局控制示意

模型本身的其他特点

参数层面,MOSS-Image 是 5B 的单流 DiT 主干,支持动漫、插画、照片级写实多种风格,我这次选的动漫风。提示词最长支持 4K tokens,复杂场景的人物、服装、动作、环境都能交代清楚。Base 和 SFT 两个版本权重、代码全开源,SGLang 和 vLLM-Omni 发布首日就跟上了,生态起得很快。

MOSS-Image 项目动态

想玩的话,怎么入手

最省事的是去 Hugging Face 在线体验,把上面的提示词复制进去直接生成。想本地跑或者接工作流,去 MOSS-Image GitHub 仓库 拉代码和权重。另外还有个 MOSI API 平台,目前可以免费体验。

MOSS-Image 在线体验界面

一点感想

5B 参数的开源模型能做到这份上,确实卷。拟人形象这事本身也挺好玩的——平时我们认识一个 AI,靠的是名字、Logo 和聊天框里的回答,做成形象之后,就像给它发了张"身份证",印象一下就立体了。提示词我都放出来了,感兴趣的自己去试试,给喜欢的模型也设计一个形象。