Wiki 知识库

全部文档 / 作者: 蔡文彬CyberBin / 标签: 开源模型

2 篇
清除

MOSS-Image 实操:用 JSON Layout 控制文字、物体和画面构图

作者实测国产开源生图模型 MOSS-Image,重点验证其 JSON Layout 对文字、物体位置和画面构图的可控性。文章对比了普通提示词与 JSON Layout 在同一封面需求下的生成效果,详细讲解了中心坐标系和 yxyx 格式的 bbox 写法、在线体验参数设置、官方示例分析,以及 ZeroGPU 额度问题和本地部署方法。作者强调可复用的不是某张图,而是一套固定种子、对照测试的评估方法,认为 JSON Layout 让提示词变成可保存、可修改的布局资产,使 AI 生图真正进入设计工作流。

技术 › 工具与效率 蔡文彬CyberBin 2026-10-2110.6 KB 3.4K 32 84

Ming-3.0-TTS 实操:声音克隆、原创音色和停顿控制,我都测试了一遍

作者实测蚂蚁灵波开源的 Ming-3.0-TTS 模型的三种核心能力:Voice Design(用文字描述创造原创音色)、Freeform(导演式指令控制重音、停顿和情绪)以及声音克隆(支持在正文中插入叹气、咳嗽、呼吸等声音事件标签)。文章详细介绍了从 Hugging Face 在线体验到本地部署的完整流程,包括参考音频准备、音色描述写作模板、命令行操作等,并提出判断 TTS 能否进入 AI 视频工作流的五项标准,如音色身份稳定性、重音停顿准确性、声音事件自然度等。

技术 › TTS 蔡文彬CyberBin 2026-10-219.6 KB 3.9K 54 82