MOSS-Image 提示词库：让文字写对

A candid classroom photograph, slightly off-center, with a worn dark green chalkboard filling most of the frame. Uneven window light, soft shadows, chalk dust, eraser streaks, subtle camera grain. Visible board frame and chalk tray, a blurred desk corner in the foreground. Natural, slightly irregular white chalk handwriting—not polished typography or a flat blackboard graphic. Keep all text sharp, fully visible, and free of glare.

The chalkboard reads exactly:

"MOSS-Transcribe-Diarize is our flagship SOTA model family
for turning real-world long-form audio into structured,
speaker- aware transcripts in one pass. Instead of stitching
together separate ASR and diarization systems, these
models jointly perform speech transcription and speaker
diarization, producing time-aligned text with precise
timestamps and consistent speaker labels such as [S01], [S02], and beyond."

官方示例 · 官方示例（Base，1360 × 768，50 步，种子 2051794908，CFG 3，shift 6，不跳层，反向提示词“worst quality, bad anatomy, ugly face”）。注意结尾要求文字清晰完整，以及“reads exactly”之后逐字给出的原文。

A cinematic, photorealistic nighttime scene of a small neighborhood convenience store on a quiet, rain-soaked street. The warmly illuminated storefront occupies the right half of the frame, while the street recedes into soft mist on the left. A lone young adult wearing a charcoal coat stands just outside the entrance beneath a transparent umbrella, seen in three-quarter rear view, gazing through the glass. Amber light reveals shelves inside and spills across the sidewalk, mingling with muted teal neon reflections in shallow puddles. Individual raindrops bead on the umbrella and catch the storefront light; fine streaks of rain remain visible against the darker street. A slightly weathered bicycle leans beside the entrance. Distant apartment windows and a few out-of-focus streetlights add depth without distracting from the figure. Eye-level wide shot, 35mm lens aesthetic, natural perspective, balanced negative space, restrained teal-and-amber color grading, realistic wet asphalt and glass textures, soft highlight bloom, subtle film grain, and gentle atmospheric depth. Quiet, intimate, and nostalgic rather than dramatic; believable lighting, with the figure clearly silhouetted against the warm window. No prominent readable lettering, logos, or watermarks.

官方示例 · 官方示例（Base，1680 × 944，50 步，种子 42，CFG 3，shift 5，负向分支跳过第 26 层，反向提示词“worst quality, bad anatomy”）。用长描述固定构图、镜头、光线与调色，并明确要求画面中不出现可读文字。

多层折叠式纸雕立体绘本，放在一张书桌上，背景纯净突出主题，比例 3:2 横版。翻开的跨页呈现「哪吒闹海」的场景：脚踏风火轮的少年、翻涌的层叠海浪与龙宫剪影，所有元素皆可精细折叠组合，呈现逼真细腻的纸张折叠质感与多层景深。构图统一采用正面视角，整体视觉梦幻唯美，色彩缤纷绚丽，充满奇幻生动的故事氛围。

官方示例 · 完全用中文书写的官方示例（Base，1536 × 1024，50 步，种子 2570432421，CFG 5，shift 5，负向分支跳过第 26 层，反向提示词“worst quality, bad anatomy, ugly face”）。材质、视角与氛围各交代一次，简洁明确。

A wide view of a refrigerator beside a kitchen counter with a fruit bowl. A small sticky note on the refrigerator door is handwritten in Chinese:“
记得买牛奶和鸡蛋！
牛奶两盒，鸡蛋一打。
顺便带一袋面包。”

官方示例 · 官方 README 中的快速开始示例（1456 × 1456，50 步，CFG 3）。引号内的换行精确决定了每一行手写字的断行位置。

一个穿着"MOSI"标志的T恤的中国美女正拿着黑色的马克笔面向镜头微笑。她身后的玻璃板上手写体写着 "一、MOSS-Image的技术路线：5B 的单流 DiT 模型，基于 Muon 训练。二、MOSS-Image的模型特色：1、复杂文字渲染。支持中英渲染、自动布局； 2、使用 Layout 进行精准图像控制，支持文字编辑和物体增减等自由编辑。三、MOSS-Image的后续发展：探索 R2I 参考生图、助力生成式AI发展。"

官方示例 · 来自官方用户指南，反向提示词为“worst quality, bad anatomy”。一大段中文由模型自动排版。

一张极简风咖啡馆海报，暖奶油色纸张背景。顶部是深棕色粗体大标题“慢一点”。中间是俯拍的陶瓷手冲咖啡器具，柔和的清晨光线。底部一行小字：“手冲咖啡 · 每日 8:00–20:00”。

从上到下的描述顺序与阅读顺序一致，每段文字都交代了大小和位置。

一张双色丝网印刷风格的演出海报，红色和藏青色油墨，米白纸张，带轻微套色偏移。画面中央是风格化的磁带插画。顶部是超大号窄体字乐队名“夜泳”。底部三行文字：
“港口音乐厅现场”
“11 月 14 日 周五 · 20:00 入场”
“票价 ¥120”

用印刷工艺和油墨数量统一风格，信息区一行只写一件事。

一张方形促销海报，朱红色背景配奶油色边框。正中是超大号白色中文“限时五折”。下方是较小的奶油色大写英文“50% OFF THIS WEEKEND”。底部边缘散落几个纸质购物袋。扁平图形风格，无渐变。

明确两种语言的位置关系（“正下方”），能让中英文形成一个整体。

一张印在米白色纸上的面馆菜单，平放在木质柜台上，正面拍摄。顶部标题：“面馆 NOODLE BAR”。下面是三行带价格的菜品：
“牛肉面 Beef Noodles  ¥28”
“番茄鸡蛋面 Tomato & Egg  ¥22”
“炸酱面 Zhajiang Noodles  ¥24”
黑色字体干净利落，留白充足。

每道菜单独成行并加引号，价格不会错配到别的菜上。

一张优雅的鸡尾酒单，深绿色纹理卡纸配烫金文字，放在大理石吧台上，暖色低光。标题：“招牌鸡尾酒”。下面四行，每行是酒名加价格：
“烟熏梅子古典 — 88”
“茉莉螺丝起子 — 78”
“柚子嗨棒 — 68”
“黑芝麻蛋酒 — 82”

交代材质和工艺（纹理卡纸上的烫金）比“高级感”之类的形容词更有效。

一张设计大会的竖版社交媒体图，浅灰背景配粗黑网格。顶部标题：“第一天”。下面是四行日程，左侧时间、右侧议题：
“09:30  开幕主旨演讲”
“11:00  动态字体”
“14:00  用 AI 做设计”
“16:30  闭幕圆桌”
瑞士现代主义风格。

先说明列结构（左时间、右议题），行与行会更整齐对齐。

雨夜的上海老弄堂。一家小酒馆门口上方挂着粉色霓虹招牌，写着“OPEN LATE”，下方是“深夜营业”。湿漉漉的石板路倒映着灯光，35mm 电影感摄影，浅景深。

招牌是照片的一部分，用镜头语言（35mm、景深）决定写实程度。

阳光下的街景照片，一家小面包店，木质招牌刷了漆。招牌上是奶油色衬线字“晨屑面包”，下面小字“烘焙坊 · 始于 1998”。人行道上的小黑板写着“今日
新鲜酸种面包”。

两处文字载体（门头和小黑板），各自用引号写明文字并控制换行。

一张地铁站导视牌的清晰照片，牌子装在白色瓷砖墙上。深灰色面板，白色文字与箭头。左侧：向左的箭头和“出口A · Exit A”。右侧：向右的箭头和“2号线 · Line 2”。均匀的日光灯，焦点落在牌子上。

用“左侧”“右侧”把牌面分区，模型能分别填充每个区域。

一本文学小说的封面，深苔藓绿背景，中央是一只精致的纸艺飞蛾插画。上方是优雅的大号衬线标题“安静的季节”，底部作者名“林蔚”。哑光纸张质感。

只放一个中心元素，为标题和作者名留出干净的空间。

方形播客封面：芥末黄背景上，两只复古麦克风相对而立的网点风插画，不出现人物。顶部横排粗黑几何无衬线标题：“旁路频道”。右下角一个小黑色徽章写着“第 42 期”。

小元素指定到具体角落，就不会和标题撞在一起。

一张白底扁平信息图，标题“冷萃咖啡怎么做”。从上到下三个编号步骤，每步左侧是简单线条图标，右侧是说明：
“1  粗研磨”
“2  冷水浸泡 16 小时”
“3  过滤后加冰饮用”
藏青与浅蓝配色，留白充足。

编号行加上“左图标、右说明”的固定结构，让每一步样式统一。

一张策划会后的办公室白板照片，略带角度，自然日光。顶部蓝色马克笔手写“Q1 上线计划”。下面一条简单的时间轴箭头，三个标签：“内测 · 1 月”、“定价 · 2 月”、“上线 · 3 月”。角落里用红笔圈出的批注写着“冲！”。

指定马克笔颜色和手写体，文字看起来像真的写上去，而不是排版出来的。

一瓶玻璃罐装蜂蜜的棚拍产品图，牛皮纸标签，米色背景，柔和阴影。标签上写着“WILDFLOWER HONEY”，下方是“槐花蜂蜜 · 500g”。

曲面上的标签文字宜短，两行以内效果最好。

一张茶叶礼盒的包装设计照片，哑光鼠尾草绿长方形盒子，旁边放着一只小青瓷杯。盒子正面：金色细线山峦图案，大号书法字品牌名“山雾”，底部小号字距宽松的大写英文“MOUNTAIN MIST · OOLONG · 100g”。

把盒子正面当成一张画布来描述：先图案，再品牌名，最后是小字。

一张成都清晨菜市场的纪实摄影，平视，35mm。穿蓝色围裙的摊主正用旧秤称青椒，身后早餐摊冒着热气。阴天柔光，自然色彩，轻微胶片颗粒。蔬菜上的手写纸板价签写着“青椒 4元/斤”和“土豆 2元/斤”。

Base 的写实感更强；场景里的小文字（价签）能增加真实感。

一张安静的人像：年迈的钟表匠坐在大窗边的工作台前，透过放大镜低头看一只怀表。左侧柔和的窗光，深暖色背景，浅景深，85mm 镜头，低饱和大地色，手部与工具细节清晰。

光线方向加上镜头焦段，通常就足以控制人像效果。

best quality, highres, 1girl, solo, school uniform, holding umbrella, rain, puddle reflection, city street at dusk, neon lights, looking back, wind, cinematic lighting

Base 支持 booru 风格标签。官方推荐顺序：质量 → 评分 → 元信息 → 年份 → 角色 → 作品 → 画师 → 通用标签。

一幅写意水彩插画：杭州西湖，石桥、垂柳和一叶小船，留出白纸底色。左上角手写字“来自杭州的问候”，右下角一枚小邮戳写着“杭州 2026”。

文字放在角落，就不会遮挡画面主体。