和大家分享一个高效强大的一句话P图软件OmniGen2,这个软件可以通过输入一段描述词然后直接对图片内容进行修改,就像PS修图一样,但是操作起来更简单方便。我基于当前最新版本制作了windows版免安装一键启动整合包。

OmniGen2官方介绍
OmniGen2是一个强大而高效的生成模型。与 OmniGen v1 不同,OmniGen2 针对文本和图像模态提供了两种不同的解码路径,利用非共享参数和解耦的图像分词器。OmniGen2 在以下四个主要功能方面表现出色:
- 视觉理解:继承了 Qwen-VL-2.5 基础的解释和分析图像内容的强大能力。
- 文本到图像生成:根据文本提示创建高保真且美观的图像。
- 指令引导的图像编辑:高精度执行复杂的、基于指令的图像修改,在开源模型中实现最先进的性能。
- 上下文生成:一种多功能的能力,可以处理和灵活组合不同的输入(包括人类、参考对象和场景),以产生新颖且连贯的视觉输出。
OmniGen2整合包使用说明
首先将网盘内的软件压缩包下载到本地电脑上并解压。然后双击【启动.bat】。第一次启动软件的话会下载模型文件,模型文件总共约40G,注意硬盘空间是否足够。模型下载完成后会自动打开webUI操作界面。
第一次操作的话可以点击WEBUI页面下方的示例素材进行快速体验。
首先在First image图片输入框里导入需要处理的图片。然后在提示词输入框内输入需要修改内容的描述词,再点击下方的【Generate Image】按钮生成图片,生成的图片自动保存到outputs_gradio文件夹内
WebUI界面设置说明
text_guidance_scale:控制输出遵守文本提示的严格程度。image_guidance_scale:这控制最终图像与输入参考图像的相似程度。- 权衡:较高的值会使输出更忠实于参考图像的结构和样式,但可能会忽略部分文本提示。较低的值(约 1.5)会使文本提示更具影响力。
- 提示:对于图像编辑任务,我们建议将其设置在 1.2 到 2.0 之间
max_pixels:当图像的总像素数(宽度×高度)超过此限制时,自动调整图像大小,同时保持其宽高比。这有助于管理性能和内存使用情况。- 提示:默认值为 1024*1024。如果遇到内存问题,可以减少此值。
max_input_image_side_length:输入图像的最大边长。negative_prompt:告诉模型您不想在图像中看到什么。- 例如:Blur, low quality, text, watermark
- 提示:为了获得最佳效果,请尝试不同的否定提示。如果不确定,请使用默认的否定提示。
cfg_range_start,cfg_range_end:定义应用 CFG 的时间步长范围。根据本文,减少cfg_range_end可以显著减少推理时间,而对质量的影响可以忽略不计。scheduler:在 之间选择[euler, dpmsolver++]。默认值为euler。为了以更少的步骤获得更好的性能,请尝试dpmsolver++。inference_step:ODE 求解器的离散化步数。默认值为50。
提高使用效果的一些建议
使用高质量图像
提供清晰的图像,分辨率最好大于512×512像素。
过小或模糊的输入会导致输出质量低下。
指令要具体
清晰描述需要更改的内容以及希望如何更改。
优先使用英语
该模型目前在英语提示词下表现最佳。
修改指令以增强主体一致性。当生成的图像与输入图像不太匹配时,您可以尝试以下方法来提高主体一致性:
使用尺寸更大的图像,以及人物在画面中占比较大的图像。
提高Image Guidance Scale比例,例如提高到3.0。但可能的代价是图像会有轻微的过曝或油腻感。
使用单张输入图像时,可以尝试使用以下提示词模板:“她/他……,保持她/他的面部特征、发型和其他属性。”
增加“每个提示词生成的图像数量”参数,以生成更多输出,这样您更有可能找到一张主体一致性更强且结果更令人满意的图像。
较长的提示词通常比较短的提示词效果更好。对场景和人物互动更详细的描述会带来额外的好处。
对于上下文编辑(基于多张图像进行编辑),我们建议使用以下提示词格式:“编辑第一张图像:添加/替换(将[物体]替换为)第二张图像中的[物体]。[对目标图像的描述]。”例如:“编辑第一张图像:添加第二张图像中的男人。这个男人正在厨房里和一个女人说话。”对目标图像的描述应尽可能详细。
再使用多图编辑功能的时候,要设置输出图片的Height和Width尺寸
注意事项
软件运行路径及待处理文件路径和文件名中不要出现中文及空格,否则会报错
建议英伟达显卡显存大于9G
不支持英伟达50系列显卡
只支持windows 10和11,硬件不足可使用在线版
图片内容编辑软件OmniGen2整合包下载链接
OmniGen2在线一键启动链接
本地电脑部署教程
相关推荐
Android安卓手机图片编辑器Image Toolbox下载,图片拼接去背景图片压缩GIF转换
最新版PDF转Markdown格式软件MinerU一键启动整合包v0.10.0下载
批量PDF文档转MD格式软件marker整合包下载,PDF文件转Markdown格式文件工具
人脸图片处理换脸软件facefusion整合包下载,改变年龄重建表情工具
本地文档聊天对话软件localGPT整合包下载,大语音模型文档内容分析总结
免费文字转语音软件EmotiVoice整合包下载,TTS情感语音合成工具
2D图片转3D模型软件,AI建模工具Wonder3D整合包下载
音频驱动口型图片转视频软件hallo整合包免费下载,AI视频制作工具
最近更新
Open WebUI:可离线自托管的 AI 界面,统一连接 Ollama 与 OpenAI 兼容 API
Open WebUI 是一个可离线自托管的 AI 交互平台,支持通过 Ollama 连接本地模型与 OpenAI 兼容 API,提供 Docker、Python 及桌面应用等多种运行方式。

Dify:在可视化画布上搭建 LLM 应用与 Agentic 工作流
Dify 是一个开源的 LLM 应用开发平台,把可视化 AI 工作流、RAG 管道、Agent、模型管理和 LLMOps 整合在同一工作空间,支持云端、VPC 或自托管部署,帮助团队从原型走向生产。
The Agency:把一支完整的 AI 专家团队装进你的开发工作流
The Agency 是一个开源的 AI 智能体角色合集,每个智能体都带有明确的专业方向、工作流程和交付物。它面向 Claude Code、Cursor、Codex、Gemini CLI 等工具,提供按部门组织的专家角色,并附带桌面安装器,可一键安装、按团队筛选。
Hugging Face Transformers:统一文本、视觉、音频与多模态模型的模型定义框架
Hugging Face Transformers 是一个覆盖文本、视觉、音频、视频和多模态的模型定义框架,支持推理与训练,并通过统一 API 连接主流训练框架和推理引擎。
n8n:可视化搭建与自定义代码结合的 AI 工作流自动化平台
n8n 是一个 fair-code 工作流自动化平台,支持可视化画布与 JavaScript、Python 代码混合搭建,可自托管或云端部署,并提供 AI 工作流、多步骤 agent、大量集成和工作流模板。本文介绍其功能、使用方式、运行环境与适用场景。
cinecode:用 AI 编程代理写剧本、造画面、配音效,把一句话变成 MP4 电影
cinecode 是一个在本地运行的 AI 电影生成工具包:AI 编程代理写剧本、用代码逐帧搭建画面、设计声音并输出 MP4,覆盖短片、长视频、广告、解说和音乐视频。本文介绍它的两种模式、两个创作目标、主要功能、运行环境和适用场景。
gputaskman:给 GPU 装一个 htop,逐进程看清显存都被谁占了
gputaskman 是一个用 Python 编写的终端 GPU 任务管理器,试图回答“显存到底被谁占了”:它把逐进程显存、GPU 引擎活动与运行时、模型文件、LLM 的权重/KV cache 拆解关联起来,支持 Windows、Linux、WSL 和 Apple Silicon。本文介绍其功能、安装方式、平台限制与适用场景。
开发一次,四个平台原生运行:Exact 想做的 AI 原生跨平台应用运行时
Exact 是一个跨平台应用运行时:用小型声明式语言 Contract 描述界面,用 TypeScript 或 Rust 写数据逻辑,编译出的界面计划在 Web、macOS、iOS 和 Linux 上以各平台原生方式运行,并允许 AI 编码代理通过统一操作脚本构建、运行、观察和测试应用。
Hermes Agent:Nous Research 开源的自我改进 AI 智能体,能从经验中创建技能并跨平台运行
Hermes Agent 是 Nous Research 开源的自我改进 AI 智能体,内置学习闭环,能从经验中创建并改进技能,支持多消息平台、定时任务、子智能体和多种运行后端,可用任意模型并通过 CLI 或 Telegram 等入口使用。
TradingAgents 是什么:用多智能体 LLM 模拟交易公司的开源框架
TradingAgents 是一个基于 LangGraph 的多智能体 LLM 金融交易研究框架,用分析师、研究员、交易员和风险管理团队的分工模拟交易公司决策流程。本文介绍它的角色设计、安装方式、LLM 提供商配置、CLI 用法、支持市场与 Python 调用方式。














