多主体一致性
支持在同一张画面中同时参考多个主体，让不同对象的特征在生成结果里保持稳定，适合需要固定角色或固定商品的连续出图。
价格官网未标价
平台—
归类AI 绘画生图
收录2026-10-11
复核2026-10-11
编辑评分
4.4 / 5
★★★★☆
UNO编辑总结
UNO 是字节跳动研究团队发布在 Hugging Face 上的图像生成模型，主打多主体一致性与可控生成，能在同一张图里稳定还原多个参考对象的外观特征。它面向需要反复产出同款角色或商品图的创作者与开发者，通常以开源权重加推理脚本的形式使用，可搭配常见的扩散模型工作流。上手门槛在于需要自己准备运行环境与调参，出图稳定性取决于参考图质量和提示词写法，不适合完全零基础、只想点几下就出图的用户。
UNO是什么？
UNO 是字节跳动研究团队发布在 Hugging Face 上的图像生成模型，围绕多主体一致性与可控生成展开，目标是在一张画面里同时还原多个参考对象的外观特征。
它以开源权重和推理代码的形式分发，常见用法是配合扩散模型工作流，用参考图加文本提示生成结果，适合需要批量产出同款角色或商品的场景。
普通创作者可以把它当作风格与主体统一的出图引擎；开发者可以把权重接入自己的推理管线做批量生成；团队则倾向把它作为可控生成的基座，用于角色设计、电商图等需要反复复用同一主体的工作。
UNO核心功能
参考图驱动生成
以参考图作为主体来源，配合文本提示控制场景与姿态，减少纯文字描述难以稳定还原某个具体对象的问题。
开源权重分发
权重与推理代码在 Hugging Face 上公开，开发者可以下载后本地运行或接入自己的服务，不依赖网页端接口。
可组合生成流程
能够与常见的扩散模型工作流搭配使用，把主体一致性与风格、构图等控制手段叠加，形成自己的出图管线。
研究向可控生成
定位偏研究与应用探索，强调对生成结果中主体身份与外观的可控性，方便在此基础上做进一步微调与实验。
UNO使用建议
入门先把路子走对
- 先跑通示例脚本从官方仓库提供的推理示例入手，用默认参数跑一次，先确认环境和依赖没问题，再改自己的参考图。
- 参考图要干净主体清晰、背景简单的参考图效果更稳，裁掉干扰元素能明显减少主体特征被场景带偏的情况。
- 一次只加一个主体先单主体调好提示词和步数，再逐步增加参考对象，方便定位是哪一个主体导致画面崩坏。
进阶省时间也省钱
- 固定随机种子做对比换提示词或权重时固定种子，只改一个变量，才能判断变化到底来自参考图、文案还是参数。
- 提示词只写变化部分把主体外观交给参考图，提示词专注描述动作、场景与镜头，减少文字与参考图互相打架。
- 批量为同款主体出图把同一组参考图配上不同场景提示词批量跑，适合做角色设定集或商品多场景展示，省去逐张重调。
- 本地显存先留余量多主体推理对显存占用更高，出图前先把分辨率或批量数调低，稳定后再往上加，避免中途中断。
UNO适合谁用？
角色设计创作者
推荐需要让同一个角色在多种场景里保持长相一致，用参考图驱动比纯文字描述更可控。
电商与商品图制作者
推荐同一件商品要换背景、换模特姿势反复出图，多主体一致性正好对上这类重复产出需求。
AI 应用开发者
推荐有工程能力把开源权重接进自己的推理服务，做批量生成或定制化的可控出图功能。
无技术背景的新手
有条件需要自己准备运行环境和参数，没有可视化界面，纯靠点按出图的用户上手会比较吃力。
追求开箱即用出图的人
不推荐如果只想要输入一句话就出图，且不想管权重和部署，这类产品化的绘图站点更合适。
UNO优点和缺点
优点
- 多主体一致性是核心方向，适合固定角色或固定商品的连续出图
- 开源权重可本地部署，方便接入自有推理管线
- 能配合常见扩散工作流叠加风格与构图控制
- 参考图驱动的方式对具体对象的还原比纯文字更稳
缺点
- 没有开箱即用的可视化界面，需要自己搭运行环境
- 多主体推理对显存和调参经验有要求，新手容易出废图
- 出图稳定性受参考图质量影响大，脏图或复杂背景会带偏结果
- 提示词与参考图配合不佳时，主体特征容易走样
UNO常见问题
UNO 是用来做什么的？＋
它是一款图像生成模型，重点解决多主体一致性问题，也就是在同一张图里稳定还原多个参考对象的外观。适合需要反复产出同款角色或商品图的场景，而不是随手生成一张好看的插画。
它和普通文生图工具的区别在哪？＋
普通文生图主要靠文字描述，具体某个对象长什么样很难每次都还原到位。UNO 走的是参考图驱动的路线，把主体外观交给参考图，文字只负责场景、动作和镜头，因此同一主体在多张图里的一致性更高。
普通人能直接用吗？＋
需要一定的技术准备。它以开源权重和推理脚本的形式提供，要自己搭环境、下模型、调参数，没有网页端那种点几下就出图的界面。有工程基础的人上手会顺很多。
怎么才能让出图更稳定？＋
先用干净的参考图，主体清晰、背景简单；提示词只写场景和动作，别再重复描述主体长相；调参时固定随机种子，一次只改一个变量。多主体场景建议先单主体调好再加下一个。
它和同类的一致性方案怎么选？＋
如果你的重点是固定角色的长篇内容或开源可控，UNO 值得试；如果只需要单张图里保持一个主体不变，很多成熟的角色微调方案也能做到，而且生态和教程更丰富。选之前先明确自己是要多主体还是单主体。
UNO竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| UNO本工具 | 4.4 | 未标价 | 多主体一致性；参考图驱动生成；开源权重分发；可组合生成流程 | — |
| Stable Diffusion 3.5 | — | 按 Stability AI Community License 免费开放商用与 | 强大的图像生成模型 | Hugging Face / GitHub |
| Stable Diffusion 3.5 Medium 2.6B | — | 未标价 | 基于人工智能的图像生成模型 | Web |
| OPT2I | — | 官网未公开价格 | 利用 LLM 提高 T2I 图像生成一致性 | Web |
| FLUX1.1 [pro] | — | 通过 BFL API 生成图片 4 cts/img | 最先进的图像生成模型 | API / Web |
| Instruct-Imagen | — | 未标价 | 多模态图像生成模型 | — |
