MOSS-Image 繁體中文圖文排版：在 ComfyUI 框出文字位置，產出社群貼文、海報與縮圖

MOSS-Image 是一個專精排版的生圖模型，我們能透過 ComfyUI 來使用此模型產圖，只要把想寫在圖上的字直接輸入進 Prompt，模型就會把它繪製到畫面上，做社群貼文或活動海報時就不用再另外開設計軟體排字。通常這類圖的標題、品名和價格有固定的位置，只靠 Prompt 描述的話，每次產出的版面容易有差異。ComfyUI 的 MOSS-Image 範本可讓我們先在畫布上框出每段文字和照片的位置，再照這個版面產圖。我嘗試用繁體中文來實驗生成咖啡店的新品貼文、市集活動海報和教學影片縮圖，每張的中文字品質頗高，且換一個隨機種子重產後，文字的位置也不會隨機偏移。

本文的測試環境是 Windows 11、RTX 3070 8 GB 顯示卡與 ComfyUI 0.43.2，模型用官方範本預設的 MOSS-Image 量化版本，圖裡的店家與活動都是虛構的。下面這張貼文就是框好五個位置後產出的：

準備模型與範本

MOSS-Image 由 OpenMOSS 在 2026 年 10 月公開，ComfyUI 從 0.42.0 起內建支援，還沒裝 ComfyUI 的話，可以參考 用 comfy-cli 安裝 ComfyUI 並讓 Claude Code 照範本產圖 的流程。在 ComfyUI 左側的「範本」搜尋 MOSS，會找到兩個範本：「MOSS-Image：版式控制生圖」可以在畫布上框出文字與物件的位置，「MOSS-Image：文字生圖」只用 Prompt 描述整張圖。

兩個範本用同一組模型，都可以從 Hugging Face 的 Comfy-Org/MOSS-Image 下載，放進 ComfyUI models 底下對應的資料夾：

電腦上還有其他 ComfyUI 專案也要用這些模型的話，可以照 讓多個 ComfyUI 專案讀同一份模型 的做法，不必再下載一次。版式控制範本用「建立邊界框」節點畫框，這個節點的編輯器只在 Nodes 2.0 介面顯示，新的工作區預設是關的，要到「設定」的「Comfy」分頁打開「現代節點設計 (Nodes 2.0)」。

選擇圖片尺寸

兩個範本都在「解析度選擇器」節點設定圖的大小，選好「長寬比」和「百萬像素」後，節點下方會顯示實際的寬高。MOSS-Image 官方的使用指南建議總像素用 100 萬、150 萬或 200 萬，寬高要是 16 的倍數，解析度選擇器算出來的尺寸都符合。本文三種圖的設定如下：

Instagram 的相片解析度說明寫明，貼文的相片會縮成寬 1080 像素，長寬比在 1.91:1 到 3:4 之間就不會被裁切。解析度選擇器沒有 4:5，直式貼文選 3:4。產出的 1088 × 1456 高度比 3:4 多一點，裁成 1086 × 1448 就剛好是 3:4。

YouTube 的自訂縮圖說明要求影片縮圖用 16:9、寬度至少 640 像素，並建議用 3840 × 2160。解析度選擇器的 16:9 在 1.5 百萬像素算出 1664 × 944，高度比 16:9 多一點，裁掉 8 個像素的高度就是 1664 × 936。

框出文字與物件的位置

打開「MOSS-Image：版式控制生圖」範本，「建立邊界框」節點有一塊畫布，在畫布上拉出的每個框就是圖上的一個區塊。文字框寫上要畫的字，物件框描述要畫的東西，模型會照框的位置產圖。

調整畫布比例

在解析度選擇器選好 3:4 後，把「建立邊界框」節點的「寬度」和「高度」也改成同樣的尺寸，畫布才會變成 3:4。這兩個欄位預設連著解析度選擇器，要先拆掉連線才能輸入：

1. 從「建立邊界框」節點「寬度」的輸入點拖出連線，在畫布空白處放開。畫面跳出搜尋節點的視窗後按 Esc 關掉，連線就拆掉了。
2. 「高度」照同樣的方式拆掉。
3. 在出現的「寬度」與「高度」欄位輸入解析度選擇器顯示的尺寸，本例是寬度 1088、高度 1456。

畫布變成 3:4 後，已經畫好的框會照比例縮放。之後改了長寬比，這兩個欄位也要跟著改。

沒有拆線的話，畫布會維持 1024 × 1024 的正方形，框的位置照正方形計算，產圖時套在 1088 × 1456 的畫面上，所有的框都擠在畫面上方約七成的範圍。我在正方形畫布上框好開頭那張貼文的五個位置再產圖，左邊這張的下方多出一組沒要求的飲品照片拼貼，右邊這張的品名和日期變成亂碼：

畫框並填寫內容

按編輯器右上角的「全部清除」刪掉範本的範例框，再用滑鼠在畫布上拉出每個框。新拉出的框預設是「物件」，文字框要切換成「文字」，再在「文字」欄位輸入要畫的字。「描述」寫字的大小、顏色、字體和位置，物件框只要寫描述。描述照官方使用指南的建議用英文寫，要畫的字維持中文。咖啡店貼文的五個框是這樣填的：

接著在「MOSS-Image 版面配置提示詞」節點的「提示詞」寫整張圖的描述，本例寫的是：

1Warm autumn Instagram post for a cafe: a glass of osmanthus oolong latte on a wooden table with fallen osmanthus petals, soft morning window light, cream and amber palette, clean layout with generous margins.

同一個節點的「角色方框」預設填了 2，會把 2 號框當成人物，這張圖沒有人物，就把這個欄位清空。填好的畫面如下：

「Text to Image (MOSS-Image)」節點上的「enable_prompt_enhancer」開啟後，產圖前會先把 Prompt 擴寫成一段詳細的英文描述。這個範本預設關閉，範本裡的說明提到開啟後會改寫框的內容，維持關閉就好。畫面右下另一則說明寫著「Prompt upsampler is on」，和實際的預設不同，不用理會。按「執行」，就會產出開頭那張貼文。

產出的貼文、海報與縮圖

同一份框換兩個隨機種子產圖，字的位置、大小和顏色幾乎一樣，只有照片裡的杯子、窗景和桂花裝飾不同：

活動海報框了標題、日期、地點、插畫和「免費入場」標籤，兩張的字都寫對，位置也幾乎一樣：

YouTube 縮圖框了標題（分兩行）、黃色副標和筆電三個框，兩張的字都寫對，標題和副標的位置幾乎一致，筆電的大小和角度不同：

只用 Prompt 描述版面

「MOSS-Image：文字生圖」範本不用畫框，把要放進圖裡的字和位置都寫進 Prompt 就能產圖。這個範本預設開啟「enable_prompt_enhancer」，擴寫後的英文描述會保留 Prompt 裡用「」括起來的字，Prompt 直接用中文寫就可以。咖啡店貼文的 Prompt 如下：

1咖啡店的 Instagram 新品貼文，3:4 直式。上方寫「秋季限定」，中間是一杯桂花烏龍拿鐵的照片，下方大字寫品名「桂花烏龍拿鐵」，品名下面寫「11/8 起每日限量 50 杯」，右下角寫價格「NT$ 150」。暖色、溫暖的秋天氛圍，版面乾淨。

用兩個隨機種子各產一張，兩張都照 Prompt 的上下順序排好字，照片、字體和價格的位置每張不同。左邊的照片滿版，文字壓在上下兩條色帶上，品名的「拿鐵」寫成日文字形的「拿鉄」。右邊的照片縮成圓角卡片，品名正確：

活動海報的標題、日期、地點和「免費入場」兩張都寫對，插畫和標題的顏色各不相同。右邊插畫的攤位招牌多出 Prompt 沒要求的簡體「艺术」和其他亂碼：

YouTube 縮圖的兩張字也都寫對，標題的排法不同。上面這張把「3」放大成跨兩行的數字，「分鐘看懂」和「ComfyUI」排在它的右邊，下面這張的「3 分鐘看懂」排成一行。兩張的筆電都有一部分被畫面右緣切掉：

實測紀錄

兩個範本都用預設的取樣設定（25 步、CFG 2.5、er_sde、simple），隨機種子是 20261103 和 20261104。版式控制範本預設關閉「enable_prompt_enhancer」、開啟「SLG」（Skip Layer Guidance）這項取樣設定，文字生圖範本預設開啟「enable_prompt_enhancer」，它的時間包含擴寫 Prompt 的時間。每一批的第一張要載入模型，約 130 到 160 秒，下表的時間不含這一張：

產出上表的圖時，整張顯示卡的記憶體用量最高 7.3 到 7.8 GB，閒置時桌面本身就佔用約 1.2 GB。系統記憶體是在 1024 × 1024 的測試裡量的，產圖時比 ComfyUI 剛啟動完成時多用約 12 GB，開啟「enable_prompt_enhancer」時多用約 14.5 GB。

總結

MOSS-Image 能把繁體中文的標題、品名、日期和價格直接畫進社群貼文、活動海報與 YouTube 縮圖，在版式控制範本框好位置的六張圖字都寫對，換隨機種子重產時版面幾乎一樣。框選前要把「建立邊界框」的寬高拆線改成圖片尺寸，沒改的話框只會佔到畫面上方約七成。只用 Prompt 描述版面時，每次的構圖和字體不同，也出現過日文字形的「鉄」和插畫裡多出的簡體字。

Ted Liou

Unity 現役工程師，Unity、AI 技術開發經驗分享與諮詢。