OmniSVG：统一的可缩放矢量图形生成软件

OmniSVG 是一个基于视觉-语言模型（VLM）的端到端多模态 SVG（可缩放矢量图形）生成框架，由 OpenVGLab 团队开发。该项目能够从文本描述或参考图像生成高质量的 SVG 矢量图形，覆盖从简单图标到复杂插画乃至动漫角色的广泛范围。

核心功能特点

1. 双模式 SVG 生成

OmniSVG 支持两种生成模式：

2. 多尺寸模型选择

提供三种不同规模的预训练模型，用户可根据硬件条件灵活选择：

3. 多候选生成机制

• 每次生成可产生 4~8 个候选 SVG 结果
• 由于生成存在随机性，多候选机制确保用户总能从中挑选最佳结果
• 每个候选 SVG 会显示路径数量（path count），方便评估复杂度

4. 丰富的参数调节能力

提供细粒度的生成参数控制：

• Temperature：控制生成随机性，低值更准确，高值更多样
• Top-P / Top-K：控制采样范围
• Repetition Penalty（重复惩罚）：防止生成重复模式
• Max Token Length：控制 SVG 的复杂度（256~2048 tokens）
• Number of Candidates：生成候选数量

5. 智能图像预处理

• 自动检测并替换非白色背景
• 支持 RGBA 透明通道图片
• 自动调整图像尺寸至标准输入大小
• 边缘采样检测背景颜色

6. 自动任务类型检测

系统能根据文本描述自动判断生成类型：

• 图标模式：检测到 icon/logo/symbol/arrow/triangle 等关键词
• 插画模式：检测到 illustration/scene/person/animal/house 等关键词或较长描述

不同模式自动应用不同的默认生成参数。

软件使用介绍

首先将网盘内的软件压缩包下载到本地电脑并解压，双击启动软件.bat，稍后会自动打开webui操作界面

界面整体布局

应用采用现代化 UI 设计，包含以下主要区域：

提示指南区

界面内置了详尽的 Prompt 使用指南，包含：

• 提示框（CRITICAL）：核心建议
  • 生成 4-8 个候选并挑选最佳
  • 使用几何描述（triangular roof, circular head 等）
  • 为每个元素指定颜色
  • 描述位置和方向
  • 保持描述简洁
• 蓝色提示框：模型选择指南
  • 8B 模型：高质量，需 ~16GB+ 显存
  • 4B 模型：更快，需 ~8GB+ 显存
• 分类提示卡片：
  • Icons & Simple Shapes（图标与简单形状）
  • Animals（动物）
  • Buildings & Objects（建筑与物体）
• 快速故障排除：针对不同问题的参数调整建议

功能标签页

标签页一：Image-to-SVG（图片转 SVG）

输入区域（左侧面板）：

• 图片上传：支持拖拽上传、文件选择、剪贴板粘贴（Ctrl+V）
• 模型选择：下拉菜单选择 8B 或 4B 模型
• 候选数量：滑块 1~8 个
• 背景替换：复选框，启用后自动检测并替换非白色背景
• 最大 Token 长度：滑块 256~2048
• 高级参数（可折叠）：
  • Temperature：0.1~1.0
  • Top-P：0.5~1.0
  • Top-K：10~100
  • Repetition Penalty：1.0~1.3
• 模型状态：显示当前加载的模型信息
• 示例图片：如果 examples 目录存在，显示示例图片供快速测试

输出区域（右侧面板）：

• 预处理后的输入图像：显示经过背景处理后的图像
• 生成的 SVG 候选画廊：以网格形式展示所有候选 SVG 的预览图，鼠标悬停有放大效果，每个候选显示路径数量
• SVG 代码：以代码编辑器形式展示所有候选的 SVG 源码

标签页二：Text-to-SVG（文本转 SVG）

输入区域（左侧面板）：

• 文本输入框：输入 SVG 描述，支持多行
• 模型选择：同图片模式
• 候选数量：默认 6 个
• 最大 Token 长度：滑块 256~2048
• 高级参数（可折叠）：同图片模式，但默认值针对文本生成优化
• 模型状态：显示当前加载的模型信息
• 30 个示例提示词：覆盖以下类别：
  • 简单图标（三角形、心形、星形、箭头等）
  • 人物（站立、女孩、挥手、坐姿、跑步）
  • 头像与肖像（圆形头像、女性头像、侧影、卡通、职业照）
  • 风景与场景（山脉、海滩、森林、城市天际线、沙漠、乡村）
  • 动物（猫、鸟、狗、狐狸）
  • 物品与杂项（房子、咖啡杯、书）

输出区域（右侧面板）：

• 生成的 SVG 候选画廊：网格展示所有候选 SVG
• SVG 代码：代码编辑器展示 SVG 源码

技术实现细节

模型管理：

• 支持按需加载模型，首次生成时加载
• 切换模型时自动释放旧模型并清理 GPU 缓存

图像处理管线：

1. 输入图像 → RGBA 透明背景处理 → 白色背景合成
2. 边缘采样检测背景颜色 → 可选背景替换
3. 调整至标准尺寸（默认 448×448）

SVG 生成管线：

1. 文本/图像 → Qwen2.5-VL 处理器编码
2. SketchDecoder 生成 SVG token 序列
3. SVGTokenizer 解码 token 为 SVG 路径
4. CairoSVG 渲染 SVG 为 PNG 预览
5. 有效性验证（长度、空图像检测等）

Prompt 编写最佳实践

推荐结构

[主体] + [带颜色的形状描述] + [位置/方向] + [风格]

示例

"A fox logo: triangular orange head, pointed ears, white chest marking, 
 facing right. Minimalist flat style, centered."

关键技巧

1. 使用几何描述：triangular roof, circular head, rectangular body
2. 明确每个元素的颜色：red roof, blue shirt, black outline
3. 描述位置和方向：centrally positioned, pointing upward, facing right
4. 保持简洁：用短句 + 逗号连接，避免复杂句式
5. 生成多个候选：4-8 个，从中挑选最佳

SVG可缩放矢量图生成软件OmniSVG下载链接：

https://pan.quark.cn/s/6812c466fab1