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:
| 模式 | 输入 | 输出 | 应用场景 |
|---|---|---|---|
| Text-to-SVG | 文本描述 | SVG 矢量图形 | 根据文字描述生成图标、插画、Logo 等 |
| Image-to-SVG | 参考图片 | SVG 矢量图形 | 将位图(PNG/JPG 等)转换为可缩放矢量图 |
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:
| 模型 | 参数量 | 显存需求 | 特点 |
|---|---|---|---|
| OmniSVG1.1_8B | 8B | >16GB | 最高质量,适合复杂插画和精细细节 |
| OmniSVG1.1_4B | 4B | >8GB | 速度与质量平衡,适合大多数场景 |
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:
- 输入图像 → RGBA 透明背景处理 → 白色背景合成
- 边缘采样检测背景颜色 → 可选背景替换
- 调整至标准尺寸(默认 448×448)
SVG 生成管线:
- 文本/图像 → Qwen2.5-VL 处理器编码
- SketchDecoder 生成 SVG token 序列
- SVGTokenizer 解码 token 为 SVG 路径
- CairoSVG 渲染 SVG 为 PNG 预览
- 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
- 使用几何描述:triangular roof, circular head, rectangular body
- 明确每个元素的颜色:red roof, blue shirt, black outline
- 描述位置和方向:centrally positioned, pointing upward, facing right
- 保持简洁:用短句 + 逗号连接,避免复杂句式
- 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
相关推荐
微软最新图片转3D网格模型软件TRELLIS.2 windows版整合包下载,AI一键建模工具
多图编辑人物一致性图片合成处理工具Qwen-Image-Edit-2509整合包下载,人物换装换姿势动作软件
一句话编辑图片工具OmniGen2整合包下载,输入文本快速P图
高精度2D图片转3D网格模型软件Stable3DGen整合包下载
虚拟试衣产品设计多图合成软件UNO一键启动整合包,人物转动漫工具
线稿自动上色软件MangaNinjia整合包,AI黑白动漫线稿一键上色
免费虚拟试衣软件FitDiT整合包下载,AI一键换装工具
腾讯混元3D大模型2.1版图片文本转3D网格模型软件Hunyuan3D-2.1整合包
最近更新
gpucanvas:把上千个实时 DOM 节点放进无限画布
gpucanvas 是一个 TypeScript 开源项目,用 WebGPU 把上千个实时 React/DOM 节点画在无限画布上,支持编辑器选中缩放、WGSL 着色器、快照、过渡和 AI 代理视图。
Blender AI Copilot Studio:用自然语言在 Blender 里指挥 AI 搭场景
blender-ai-copilot-studio 是一个运行在 Blender 内的 AI copilot 扩展和 MCP 服务器,能把自然语言需求拆成受监督的场景操作,内置 27 个场景工具、多智能体团队链和多模型接入,并提供可视化 Studio 窗口。
32 个免费营销技能包:让 AI Agent 帮你做调研、SEO 和本地广告
Boring Marketing Skills 是一个面向 Claude Code、Codex、Cursor 等 AI Agent 的营销技能集合,共 32 个技能,覆盖品牌调研、定位、文案、本地 SEO、AI 搜索、广告投放和邮件内容,MIT 许可,无需付费工具即可使用。
DSH Game Studio:一句话生成小游戏,在 DeepSeek Harness 侧边栏里直接玩
DSH Game Studio 是一个 DeepSeek Harness 插件:用一句话描述小游戏,就能从 2D 或 3D 体素模板生成可玩游戏,在对话侧边栏实时试玩,还能换 AI 美术、自动测试、导出单文件 HTML,或一键发布到 GitHub Pages。
ComfyUI:用节点图掌控扩散模型的本地 AI 创作引擎
ComfyUI 是一个基于节点图的开源 AI 创作引擎,提供图形界面、API 和后端,支持图像、视频、音频、3D 与文本工作流,可在 Windows、Linux、macOS 本地运行,并针对消费级硬件做推理优化。
OpenAmika:可本地运行的 Live2D AI 伴侣,支持实时语音与长期记忆
OpenAmika 是 MekaHime AI 伴侣 Amika 的开源版本,集成本地 Live2D 形象、实时语音、长期记忆,并支持 OpenRouter 或 Ollama 两种语言模型后端,面向 Windows 与 NVIDIA 显卡用户。
用 Agent 系统优化本地 LLM 推理速度:inference-optimisation-skill 项目介绍
inference-optimisation-skill 是一个面向 AI Agent 的本地 LLM 推理优化技能,用“先算理论上限、单变量改动、交错对照测量、长上下文验收”的工作流,系统提升解码、预填充、KV 缓存、启动时间和首 token 延迟表现,支持 Claude Code 等可加载 SKILL.md 的 Agent。
Lastbook:把生存手册、离线地图和本地 AI 装进一台电脑的开源离线知识库
Lastbook 是一个面向 macOS、Windows 和 Linux 的离线生存知识库,整合手册、视频、百科、离线地图和可选本地 AI,首次下载后即可在断网环境使用。本文介绍其功能、运行环境、安装方式、隐私设计和适用场景。
WebsiteBench:评测 AI 智能体能否通过浏览器探索重建完整网站
WebsiteBench 是一个面向 AI 智能体的网站重建评测基准,包含 70 个网站任务和 46,916 个隐藏测试用例,要求智能体通过浏览器探索反向工程出功能和视觉都接近原站的全栈版本。
Auto Ontology MCP:把语义层接入 Claude、ChatGPT,让数据库问答不再“静默出错”
Auto Ontology MCP 是一个基于 Python 的 MCP 服务器,把 NVIDIA Auto Ontology 的语义层接入 Claude、ChatGPT、Cursor 等客户端。它不需要 LLM API key,由客户端模型完成语言步骤,服务器负责 schema 扫描、键推断、SQL 校验和本地知识库存储,帮助减少 Text-to-SQL 的静默错误。











