AI一键P图神器生成模型软件OmniGen整合包下载

最近这段时间在玩一个叫OmniGen的生成模型，有点意思，跟大家分享一下。

下面，我就先说一下模型的功能特点，然后是安装配置过程，然后说一下如何使用。最后会分享一个配置好的离线运行包。

这样的新娘白送要不要？这是以寡姐和美队为原型生成的图片！

功能特点

OmniGen 是一个统一的图像生成模型，可以执行各种任务，包括但不限于文本生成图像、基于主体驱动的图像生成、身份保持的图像生成，以及基于图像条件的生成。

我觉得他最厉害的地方是，可以一句话把多张图片中的特定人物合成到一张全新的图片中，堪称傻瓜式一键P图神器。完成所有操作只需要一个模型，也是它的一大特色。

下面用官方的几个实例来展示一下这个项目的功能特点。

文生图

通过文字描述直接生成图片，这是所有AI模型必备的功能，他自然也可以。

提示词：

A curly-haired woman in a red shirt is drinking tea.一个穿着红色衬衫的卷发女人正在喝茶。

先不说图片好不好，指令遵循能力还不错。女人对的，卷发对的，茶杯对的，红色衬衫对的。

Asian woman with tied hair in a suit 穿西装的绑头发的亚洲女人

出图效果还可以，就是它默认的人种，不是很中国。

图生图

文生图是常规功能，下面看下它强大的图生图功能。

✨ 给人物换动作和场景

The woman in <|image_1|> waves her hand happily in the crowd

通过指定图片，然后使用不同的描述，就可以生成同一个人在不同场景中不同动作的照片了。

✨ 把多人照片中特定的人抠出来生成新图

A man in a black shirt is reading a book. The man is the right man in <|image_1|>.

把两个玩游戏的网瘾少年变成爱看书的好青年，顺便帮他们换上黑色的衣服。

这个过程就是把人抠出来，保持脸部特征的同时，改变他们行为，背景，服装等，同时要保持自然。

✨ 把两张照片中的人合在一起

Two woman are raising fried chicken legs in a bar. A woman is <|image_1|>. Another woman is <|image_2|>.

可以从图片中抽取某个人，同时也可以把两个不同图片中的人合在一起。

这个DEMO看起来相当🐂🍺啊，应该是抽卡抽了很久才抽到效果这么好的。

✨ 从多人中挑选两个人生成新图

A man and a short-haired woman with a wrinkled face are standing in front of a bookshelf in a library. The man is the man in the middle of <|image_1|>, and the woman is oldest woman in <|image_2|>

这个例子很好的展示了这个项目的实例。单纯通过描述，就可以把特定的人选出来，然后拼到一起。

✨ 根据图片规律进行推理生成

According to the following examples, generate an output for the input.

Input: <|image_1|>

Output: <|image_2|>

Input: <|image_3|>

Output:

模型能正确理解黄左到黄右的变化，然后在给出红左的时候，可以自动生成红右。也就是说模型能够做基于图片的推理，这特性也是有点强啊。

除了上面的例子外，还有很多例子。比如：

✨ 删除图片中的物体

✨ 直接通过人物姿态或者深度图生成不同的人

✨ 生成骨骼图，通过骨骼图和描述生成新图

✨ 根据提示标注物体

考虑到文章篇幅，不展开说了。

反正相比以往的A绘画模型，这个模型是有点新东西的。它主要简化了很多步骤，把各种操作都放在一个模型里面了。你只要给出描述，它就直接帮你完成。

P图神器啊！

介绍就说这些，下面来说下安装配置。这里的安装配置是指，直接获取源代码进行安装，配置，运行。有一定门槛，如果觉得难，可以直接拉到文末，获取制作好的离线软件包。

安装

这个软件项目的配置还是算比较简单，并没有遇到太多坑。主要是基础的软件硬件要先准备好。

• 硬件上需要英伟达大显存的独立显卡
• 操作系统是Windows11
• 用到的软件有git, miniconda

只要硬件到位，其他就很好解决。我自己配置时候用的是RTX3060 12G，推荐3090或者4090这种大显存的显卡。有A系列H系列的，就不用我说了...

使用

下面以我提供的离线软件包，做一个使用演示。

软件是一个7z格式的压缩包，需要先解压，解压之后如下。

点击run.bat直接启动，电脑默认不显示.bat后缀，不影响使用。

然后弹出一个黑色窗口，开始加载模型。

启动的时候会直接把模型读入到内存。由于模型较大，所以需要一些时间。具体的时间和你硬盘的读写速度高度相关。另外确保电脑有足够的内存。推荐是32GB起步！

启动完成之后，一般会自动打开浏览器。如果没有，可以手动打开，复制上面的http网址。

打开之后，界面如下：

1️⃣ 用于输入文字

2️⃣用于上传图片作为输入

3️⃣生成结果显示区域。

提示词的构成如下：

A man and a short-haired woman with a wrinkled face are standing in front of a bookshelf in a library. The man is the man in the middle of <|image_1|>, and the woman is oldest woman in <|image_2|>

重点关注：

<|image_2|>

这个内容代表的是下面的第二张图片。目前总共可以上传三张图片。

也就是:

<|image_1|>

<|image_2|>

<|image_3|>

在需要引用图片内容的区域插入这个标识就好了。

在下方还有一些参数：

✨高度宽度，指的是生成图片的尺寸，1024x1024效果会比较好，高清！

✨引导强度，指的是你的文字描述和参考图片对结果控制力的强弱，越大越强！

✨ 迭代步数， 在生成图像时，可以调整步数来控制细节质量，通常在 20-50 步之间效果最佳。

✨种子， 用于控制随机生成过程的初始值。设置相同的种子值可以确保多次生成结果一致，便于复现特定图像效果。

✨最大输入尺寸，这个应该是用来限制输入图片的最大的尺寸的。

✨seprate_cfg_inter , 勾选这个可以降低显存需求，一般勾上。

✨模型卸载到CPU，进一步减低显存需求，但是速度会明显变慢，显存够不要勾。

✨将输入图像尺寸用作输出，自动调整输出图像大小与输入图像大小相同。对于编辑和控制任务，它可以确保输出图像与输入图像具有相同的大小，从而获得更好的性能

设置好文字内容，图片，参数之后，点击生成图片（generate Image），界面上和命令界面都会显示进度。

处理过程大概需要几分钟时间!

图生图12G显存不太够用，会使用共享GPU，就会慢很多，但是不会炸，只是慢而已。

最好是用24G+的显卡！

生成之后，可以在界面上看到效果。

另外，勾选保持图片的话，会自动把图片保存到outputs文件夹里面（推荐勾选）

手头没有图片，不知道如何填写提示词的可以拉到网页下面。有一个example列表，只要点击其中任意一项，会根据选择内容自动填充提示词，图片，参数。然后直接点击生成图片就可以了。

然后可以在这个基础上修改提示词，切换图片，调整参数，再生成新的图片。

介绍，安装，使用，全部讲完了。

这个项目除了手部处理一般，生成时间略长之外，还是有很大的可玩性！

保持人物脸部特征不变，改变背景，改变动作，这个肯定有人会需要！

人物特征保持方面不是每次都100%像，但是如果你给他一张高质量的图片，它也能还给你一张。基于这个特性也可以进行“参考创造”。

把不同人很自然的人拼在一起，这个应该也会有很多应用场景。

下载

直接获取软件：点击下载