Introdução
MOSS-Image Texto para imagem cria uma imagem a partir de um prompt escrito no MOSS-Image, um transformador de difusão aberto de 5 bilhões de parâmetros da OpenMOSS lançado sob Apache-2.0. Foi feito para imagens com muito texto exato, como pôsteres, capas de revista, anúncios e letreiros. Nos nossos testes, também leu prompts muito longos até o fim, e os prompts NSFW voltaram como escritos em todos os níveis de conteúdo, de Leve a Máximo. A plataforma não acrescenta filtro de conteúdo. Para os seus próprios arquivos LoRA, use o MOSS-Image LoRA.
Escolha o modelo pelo que você precisa
| O que você precisa | Modelo |
|---|---|
| texto exato, prompts longos e layout JSON do modelo base | MOSS-Image Texto para imagem (você está aqui) |
| o mesmo modelo com até três dos seus próprios LoRAs | MOSS-Image LoRA Texto para imagem |
Recursos e destaques
Texto que sai como foi escrito
Um pôster de filme com os nomes do elenco e do diretor, uma capa de revista com três chamadas e uma linha de preço, um logotipo de perfume e um letreiro de motel em neon saíram todos com a grafia correta nos nossos testes. A OpenMOSS informa a mesma força para textos em inglês e em chinês.
Prompts lidos até o fim
O prompt aceita até 12.000 caracteres. Um guarda-chuva vermelho mencionado só na última frase de um prompt de 13.000 caracteres foi desenhado no canto inferior esquerdo.
Layout JSON
Envie um layout JSON como prompt e cada bloco de texto ou objeto recebe a sua própria caixa. Um panfleto de casa noturna com título, subtítulo em script, programação e uma dançarina pôs cada elemento onde estava a sua caixa. A OpenMOSS marca o formato como experimental.
Quinze formatos, três faixas
De 1:3 a 3:1, em 1k, 1.5k ou 2k. Uma imagem 16:9 em 1.5k voltou com 2048 x 1152, e uma 9:16 em 2k, com 1536 x 2720.
Sem censura
Nos nossos testes, nada foi recusado nem atenuado em nenhum nível de conteúdo, de Leve a Máximo. Nada é filtrado na entrada nem na saída.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Coloque cada trecho de texto entre aspas e diga onde ele vai. De 1 a 12.000 caracteres; o inglês funciona bem. pelo menos 1 caracteres · no máximo 12000 caracteres |
aspect_ratio | Não | 15 formatos, de 1:3 a 3:1; 1:1 por padrão. Em 1k, 4:3 é 1168 x 880 e 16:9 é 1360 x 768. |
resolution | Não | 1k (cerca de 1 megapixel, padrão), 1.5k ou 2k. A faixa define o preço; uma imagem widescreen em 1.5k voltou com 2048 x 1152. |
output_format | Não | JPEG por padrão, ou PNG ou WebP. O formato não altera o preço. |
seed | Não | Mantém as imagens comparáveis enquanto você muda uma frase por vez. Não garante pixels idênticos. |
Preços
Cobrado por imagem conforme a faixa de resolução (1k, 1.5k ou 2k). A proporção e o formato de saída não alteram o preço. Requisições que falham não são cobradas.
| Especificação | Preço |
|---|---|
| $0.024 / imagem |
| $0.048 / imagem |
| $0.096 / imagem |
Casos de uso
Pôsteres, capas e anúncios
Título, slogan, nomes do elenco e data numa só imagem, ou um cabeçalho com chamadas de capa e uma linha de preço. Coloque cada texto entre aspas e posicione-o.
Letreiros, banners e panfletos
Letreiros de neon, panfletos de evento e banners largos em que as palavras carregam a imagem. Use o layout JSON quando quiser uma caixa para cada bloco.
Briefings longos numa só requisição
Cole o briefing completo, com cena, figurino, luz, lente e cada linha de texto, em vez de cortá-lo para algumas frases.
Guia de prompt e dicas práticas
Coloque o texto entre aspas e depois posicione
Escreva "LAST CALL AT THE MERIDIAN" entre aspas e depois diga onde ele vai e como deve ficar: capitulares serifadas douradas no terço inferior. Use quebras de linha dentro das aspas onde uma linha deve quebrar.
Escrevendo um layout JSON
O prompt é um objeto JSON com um summary (um caption para a imagem inteira) e uma lista items. Cada item tem um label (text ou object), um caption, um text opcional e um bbox. Defina bbox_format como yxyx e bbox_coord_space como abs_centralized: as caixas são [top, left, bottom, right] em pixels a partir do centro da tela, com x crescendo para a direita e y crescendo para baixo.
Calcule sobre o tamanho real
Uma imagem 4:3 em 1k é 1168 x 880, então x vai de -584 a 584 e y de -440 a 440. Uma caixa [-400, -560, -140, 40] é uma área de título no canto superior esquerdo. Confira o tamanho de saída da sua proporção e faixa antes de posicionar as caixas.
Tenha uma seed reserva
As letras às vezes grudam; numa execução do perfume saiu NOIIR em vez de NOIR. Mude a seed e rode de novo. A seed mantém as execuções comparáveis, mas não garante pixels idênticos.
Descreva o que precisa em frases
Não há prompt negativo nem guidance. Descreva sujeito, figurino, lugar, luz e lente em frases, e mantenha os textos curtos o bastante para serem lidos no tamanho que você escolher.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "openmoss/moss-image/text-to-image",
"input": {
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette",
"resolution": "1k",
"aspect_ratio": "1:1",
"output_format": "jpeg"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
