自然语言转提示
直接说清画面内容与风格,由语言模型改写成结构化绘图指令,不必自己拼关键词和权重。适合脑子里有画面但不知道提示词该怎么写的人。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Omost 是一个把大语言模型和图像生成模型接在一起的开源项目,用户在网页上像聊天一样描述画面,由语言模型把描述改写成结构化的绘图指令,再交给扩散模型出图,省去自己手写提示词的麻烦。它的定位偏创作辅助,支持用自然语言和代码两种方式驱动构图,适合不太会写提示词、但脑子里有具体画面的人。代价是出图质量依赖所挂载的底层模型,构图细节仍需靠文字反复调整,中文描述的理解也未必稳定。
Omost 是一个开源项目,核心思路是让大语言模型充当「绘图导演」,把用户的自然语言或代码翻译成扩散模型能听懂的绘图指令,再渲染成图片。它本身不是训练好的绘画模型,而是夹在用户和绘图模型之间的一层调度与提示生成工具。
它面向的是想用文字描述直接出图、又不想钻研提示词写法的人。用户用日常语言说清画面里有什么、什么风格、什么构图,语言模型负责把这些话拆成结构化指令,减少「写不好提示词就出不了好图」的门槛。
普通用户可以直接在网页界面里用聊天的方式描述画面;熟悉编程的人可以用代码方式更精确地控制构图与元素;想自己搭环境的人则可以把这套流程部署到自己的机器上,换成自己惯用的绘图模型。
直接说清画面内容与风格,由语言模型改写成结构化绘图指令,不必自己拼关键词和权重。适合脑子里有画面但不知道提示词该怎么写的人。
支持用代码方式指定画面中的元素、位置与关系,比纯文字描述更精确,适合需要反复微调同一套构图的创作者和开发者。
以聊天的方式追加要求,比如调整光线、换风格、增删元素,不必每次从头重写整段描述,方便在同一个构图上迭代。
项目开源,可以部署到自己的环境里,并接入自己惯用的扩散模型,出图风格与隐私控制由使用者自己决定。
不装环境也能在网页上试用这套流程,先看语言模型把描述拆成了什么指令,再判断它是否符合自己的创作习惯。
把 Omost 当成「提示词翻译器」来用最合适:你不擅长写提示词、但能说清楚想要什么画面时,它替你把这层活干了。当你需要精确控制画面里每个元素的位置和关系,或者想把整套流程搬进自己的项目里,它的代码方式和开源属性也有价值。但如果你要的是开箱即用的高质量成品出图,它的出图效果取决于背后挂的是哪个绘图模型,而不是它自己,构图不满意时仍然得靠改文字反复试。中文描述的还原度也未必稳定。
脑子里有明确画面但拼不出关键词,可以用日常语言描述,让语言模型替你把这层翻译成绘图指令。
需要快速把想法变成几张草图看效果,用多轮对话微调构图,比手写提示词试错更快。
开源且支持代码方式驱动,适合接进自己的工具链或换成自有绘图模型,做定制流程。
出图质量取决于挂载的底层模型,构图也需要反复调,追求稳定成品产出和售后支持的场景不太合适。
中文描述的还原程度并不稳定,可能需要在描述里补英文关键词或改成更直白的表达,才能拿到想要的画面。
严格说它是中间那一层。真正把图渲染出来的是背后挂载的扩散模型,Omost 负责的是用语言模型把你的描述翻译成那个模型能听懂的绘图指令,所以最终画面水平跟底层模型关系很大。
这正是它的用法。你只要用日常语言说清画面里有什么、想要什么感觉,语言模型会替你整理成结构化的绘图指令,省掉自己拼关键词和调权重的步骤。
把抽象词换成能画出来的具体物,先定画面内容再补风格,并留意它把你描述拆成了什么指令。发现理解偏了就直接改描述,比反复点重新生成更快。
项目是开源的,可以部署到自己的环境里,并换成自己惯用的绘图模型。对素材不便外传、或想统一自己出图风格的情况,自部署更有意义,代价是要自己处理环境依赖。
不够稳定。中文描述有时会被理解偏,尤其是带文化语境或抽象修辞的说法。实际用的时候,尽量把话说得直白具体,必要时在描述里补上英文关键词,画面会更接近预期。