开源新基准！OmniGen2 文本图像对齐度提升 8.6%，视觉一致性超越现有开源模型15%
OmniGen2 是北京人工智能研究院（BAAI）于 2025 年 6 月 16 日发布的开源多模态生成模型，旨在为多种生成任务提供统一的解决方案，包括文本到图像生成、图像编辑和上下文生成。与 OmniGen v1 不同，OmniGen2 为文本和图像模态设计了两条独立的解码路径，采用了非共享参数和分离的图像分词器。这一设计使得 OmniGen2 能够在现有的多模态理解模型基础上进行构建，而无需重新适应 VAE 输入，从而保留了原有的文本生成能力。其核心创新在于双路径架构和自我反思机制，成为当前开源多模态模型的新标杆。相关论文成果为「OmniGen2: Exploration to Advanced Multimodal Generation」。
教程链接：https://go.openbayes.com/oCWcX
使用云平台: OpenBayes
http://openbayes.com/console/signup?r=sony_0m6v
首先点击「公共教程」，在公共教程中找到「OmniGen2：探索高级多模态生成」，单击打开。
页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
在当前页面中看到的算力资源均可以在平台一键选择使用。平台会默认选配好原教程所使用的算力资源、镜像版本，不需要再进行手动选择。点击「继续执行」，等待分配资源。
数据和代码都已经同步完成了。容器状态显示为「运行中」后，点击「 API 地址」，即可进入界面。若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 2-3 分钟后刷新页面。
具体参数：
-
Height：高度
-
Width：宽度
-
Text Guidance Scale：文本引导尺度
-
Image Guidance Scale：图像引导尺度
-
CFG Range Start： 范围起始
-
CFG Range End：范围结束
-
Scheduler：调度器
-
Inference Steps：推理步骤
-
Number of images per prompt：每条提示的图像数量
-
Seed：种子
-
max_input_image_side_length：最大输入图像边长
-
max_pixels：最大像素
官方在这里给出了很多案例，大家可以自行尝试。
我们首先使用文本生成图片功能，输入 prompt「The girl by the sea」后点击「Generate」，可以看到它快速生成了一张在海边的女孩。
接下来可以保存图片，进行图片编辑，输入 prompt「Put a hat on her.」后点击「Generate」，可以看给女孩戴了一顶帽子。
