最近，百度把自家压箱底的文生图模型 ERNIE-Image 给开源了。

Apache 2.0 协议，无论你是下载，魔改，还是拿去做生意，全免费。

你品品这操作。

AI 生图赛道这两年，虽然一代比一代能打了，但都死活捂着不开源。

各家要么收你订阅费，要么按照 API 调用次数给人交租。

直到，百度这次把桌子给掀了，掀得还挺彻底。

8B DiT 参数，消费级显卡就能跑起来，简直就是消费级显卡里的 Nano Banana。

同时开源的，还有蒸馏版本 ERNIE-Image Turbo，仅需 8 步推理就能生成高保真的图片，保持质量的同时大幅提升出图速度。

经过实测，基本上 10 秒左右一张图。

说真的，在 AI 生图赛道这么卷的今天，还愿意做开源这件事的公司，真的不多了。

话不多说，来看实测。

实测

体验地址在这。

“

https://aistudio.baidu.com/ernieimage

咱们先来看各个案例的沉浸式实测。

最后，再跟刚上线的 GPT-IMAGE-2 来对比一波。

漫画手稿

这个漫画手稿的复刻，也是相当真实了。

你不说我真看不出来是 AI 画的。

提示词：一幅横幅的黑白日本分格漫画手稿图，呈现出《鬼灭之刃》的原始草稿风格。画面以粗犷、充满张力的铅笔与钢笔线稿为主，带有强烈的手绘痕迹、未完全擦除的结构辅助线以及草率的排线阴影。页面自右向左分为三个不规则的分镜框。
左上角的第一个分镜展现了极具张力的半身特写。画面主体为伤痕累累的灶门炭治郎，他咬紧牙关，脸颊和额头带有粗糙的血迹排线，眼神中透着绝不退让的狂热与愤怒，肩膀微沉，隐约护着背后的木箱。人物边缘带有凌乱的手绘阴影与透视辅助线。旁边有一个边缘呈锯齿状的爆炸形对话框，内部用清晰的中文写着：‘我绝不允许你伤害祢豆子！’
右上角的第二个分镜描绘了致命的危机逼近。从深邃且布满杂乱交叉阴影的黑暗中，无数根锋利的血刃与交错的蛛丝如暴雨般破空袭来。背景是极其密集的、带有压迫感的放射状速度线。攻击轨迹的旁边有一串夸张且带有透视感的手写拟声词：‘嗖嗖嗖！’，下方漂浮着一个不规则的内心独白框，里面写着：‘躲不开，只能将一切燃尽！’
下方是一个横跨整个版面的宽分镜，展现绝地反击的震撼瞬间。炭治郎双手死死握住日轮刀，身体在半空中大幅度扭转，正由下至上挥出一记狂暴的环形斩击。刀刃周围不再是水流，而是由狂乱、暴躁的粗犷线条、层层叠加的黑白对比以及飞溅的火星草图所勾勒出的熊熊烈火特效。画面右侧有一个边缘破损的长条形旁白框，写着：‘火之神神乐……’，在火焰爆燃的视觉中心前端，用巨大、极具破坏力且带有飞白效果的狂草粗体字写着招式名称：‘圆舞！’整体构图极具压迫感，未进行任何色彩填充，仅通过黑白线条的极度疏密对比与狂野的笔触来表现火焰的光影、速度感与体积感，完美保留了浓厚的漫画分镜初稿气息与生死一瞬的强烈视觉冲击力。

视频截图

下面这个，是纪录片视频截图复刻。

令人惊艳的是，除了画面主体，视频播放器的功能键，进度条，甚至连中英双语字幕都有。

提示词：一张纪录片视频播放界面的高清截图，展示了传统玻璃吹制工艺的制作过程。
画面主体位于一间光线昏暗、充满颗粒感的传统玻璃工坊内。画面中央偏左，一名身着深灰色的粗布长袖衬衫、外搭做旧的棕色厚实皮围裙的男性工匠，正坐在一张边缘磨损的木制工作台旁。
工匠戴着黑色的防护护目镜，满脸胡茬，额头和脸颊上布满被高温烤出的汗珠，他的脸部和上半身被前方的高温玻璃照亮，呈现出强烈的暖橙色光影。他双手紧紧握着一根长约一米的黑色金属吹管，正鼓起腮帮子用力向管口吹气。吹管的另一端位于画面中央偏右，连接着一团约排球大小、正在散发着耀眼明亮橙黄色光芒的熔融状态玻璃球。
画面背景深处是一个用耐火砖砌成的巨大熔炉，炉口敞开，内部燃烧着熊熊的红黄色火焰，照亮了背景墙面上悬挂的各种长柄金属钳和塑形工具。空气中隐约可见漂浮的微小灰尘和高温产生的火星。
画面底部边缘分布着视频播放器的UI元素：最底端是一条贯穿左右的红色播放进度条，进度条左上方显示白色的当前播放时间与总时长 '12:34 / 45:00'，右上方依次排列着白色的暂停图标、音量喇叭图标、齿轮设置图标、高清画质标识 '4K' 以及矩形的全屏图标。
在进度条上方、画面底部的居中位置，显示着两行带有黑色描边的清晰白色字幕，上排为中文：'我们需要在1100度的高温下，迅速将这团熔融的玻璃塑形。'，下排为对应的较小字号英文：'We need to shape this blob of molten glass quickly at a high temperature of 1100 degrees.'。

写实照片

这个是在玻璃白板上，手绘一张海贼王全家福。

景深，反光，虚实的感觉，全都是对的。

一眼看过去，毫无违和感。

提示词：一张高清晰度的写实照片，采用正面视角拍摄了一块通透的玻璃白板。白板表面使用褪色的红色马克笔手绘了《海贼王》中草帽海贼团（Straw Hat Pirates）的全员合影。在横向展开的宽屏画面中，从左至右依次绘制着布鲁克（Brook）、弗兰奇（Franky）、罗宾（Robin）、索隆（Zoro）、路飞（Luffy）居于中心、娜美（Nami）、山治（Sanji）、乌索普（Usopp）、乔巴（Chopper）和甚平（Jinbe）。
各个角色以生动的马克笔线条勾勒出标志性的轮廓与姿态。画面的物理细节极度逼真，绿色马克笔的墨迹呈现出明显的水分不足与褪色感，线条中间有墨水变淡、边缘有颜料堆积的真实白板画特征，部分笔画带有轻微的断续感。玻璃白板本身具有极强的真实感，表面泛着柔和的室内环境反光和高光，透过厚重的玻璃隐约可见后方被景深虚化处理的室内背景。
白板上还可以察觉到之前擦拭留下的微弱绿色墨渍残留、玻璃反光面上的细小划痕和灰尘颗粒。
整体画面光线均匀，色调干净，摄影级的4K高分辨率将玻璃的光学质感、褪色墨水的纹理与手绘线条的细节展现得淋漓尽致。

表情包

表情包这一块，也是轻松拿捏。

提示词：数字插画格式的表情包贴纸展示图。画面呈横向构图，背景为浅黄色的波点图案。画面中以2行3列的网格布局展示了6个以同一二次元动漫角色为主题的表情包贴纸。每个贴纸边缘都带有粗白色的描边，呈现出实物模切贴纸的立体质感。
统一的贴纸角色为一名二次元风格的可爱少女。她拥有一头淡紫色的短卷发鲍伯头（bob），齐刘海，头顶戴着一个精致的金色的新月与星星发饰。她身穿一件奶油色的宽松卫衣，上面印有细小的星座图案。她的眼睛为闪亮迷人的琥珀金色深邃大眼。第一排左侧的贴纸中，少女面带温柔微笑，双手高高举起热烈地打招呼。左下角配有粉色带白色粗描边的 '你好'。第一排中间的贴纸中，少女俏皮地单眼眨眼，一只手在脸颊比出个手指爱心，另一只手拿着一个小的红色心形盒子。底部配有红色的 '爱你'。
第一排右侧的贴纸中，少女眼中含着泪光，面带感动的泪滴，双手合十放在胸前，表情温柔且被感动（感动落泪）。右上角配有柔蓝色的英文单词 '抱抱'。第二排左侧的贴纸中，少女脸颊鼓起，双手交叉抱在胸前，呈现傲娇生气的姿态，一只脸颊可操作地过度膨胀。头部右侧画有一个表示生气的红色十字路口符号（💢），下方配有紫色的英文单词 '哼'。
第二排中间的贴纸中，少女双眼圆睁，瞳孔缩小，双手紧紧地捂住嘴巴，露出极度震惊难以置信的表情。左上角配有橙色的英文单词 'OMG'。第二排右侧的贴纸中，少女闭眼大笑，露出整齐牙齿，右手朝前比出自信的大拇指，左手比出V字手势（和平/OK手势）。背景带有黄色的四角闪亮星星特效，底部配有鲜绿色的英文单词 'OK'。
整体画面色彩明快，主要采用柔和的马卡龙色调，光影处理为日系赛璐璐平涂风格，人物线条清晰流畅，充满活力与趣味性。

商业摄影

一眼望过去，无论是灯光，影子，还是亚麻布的褶皱。

全都透露着高级感的气息。

提示词：一幅商业棚拍风格的电影感概念产品摄影图。整体呈现极简主义与建筑美学风格，画幅比例宽阔。
背景是一面干净的低饱和度鼠尾草绿曲面棚拍墙（无缝环幕）。右上方设有高端柔光箱照明，搭配柔和的百叶窗光影投射在背景墙和物体表面，形成细腻的渐变与层次，整体色调清新、通透且富有高级质感。
画面的核心是由不对称的阶梯式展示台与几何拱门组合而成的空间，材质交替使用了带有细腻微粒纹理的哑光赤陶土与拉丝黄铜金属。展台的底部边缘铺垫着一块浅燕麦色的粗纺亚麻布，呈现出自然随性的垂坠褶皱，作为场景的基础点缀。在视觉中心的赤陶土拱门下方，放置着一个拉丝黄铜材质的浅托盘。、
托盘上摆放着画面的主角：一瓶磨砂半透明玻璃材质的精华液，配有质感厚重的黄铜滴管，瓶身印有极简的深绿色英文字母“BOTANICAL”和稍小的“REPAIR SERUM”。在拱门的右侧，是一个较低的赤陶土圆柱形讲台，上面放置着一个极简的白瓷面霜罐，旁边自然地倚靠着一把晶莹剔透的天然玉石刮痧板。展台的最前方延伸出一块不规则的天然浅色石板，石板上放置着一瓶细长的植萃保湿喷雾，紧挨着的是一个柔软的米色天鹅绒化妆收纳袋，增加了前景的视觉层次。
场景的四周精心布置了不喧宾夺主的极简装饰物。在画面的左后方，摆放着一块边缘粗糙的天然洞石，石块旁点缀着一两片带有微小露珠的鲜活龟背竹叶片，在鼠尾草绿的墙面上映出柔和的植物阴影。在画面的右侧中景位置，随意散落着几颗干燥的白茶茶球与半个切开的新鲜无花果，增添了有机的自然气息；在这些元素的后方，斜靠着一面无边框的极简半圆形化妆镜，巧妙地反射出画面外的柔和光源。
整个画面构图严谨，主次分明，护肤产品系列在各层级上呈现艺术性排列，细节达到了8K超高清的分辨率与照片级质感。

人像照片

挑战给同一张脸，配九种不同的发型。

角色一致性拉的很满，实现发型自由。

提示词：一张由九张人像照片组成的拼贴图，呈3x3的网格布局，展示了同一位亚洲女性模特的九种不同发型设计。
每张照片均为正面特写，背景统一为简洁的米色或浅灰色，光线柔和均匀，类似影棚拍摄效果。
第一行左侧展示了模特的长直发造型，发色乌黑，发丝顺滑，中分发型露出额头。中间是一款短发造型，发色为深棕色，发尾微卷，呈现出层次感丰富的波波头风格。右侧是一款侧边低马尾造型，头发在脑后扎起，脸颊两侧留有几缕微卷的碎发，风格清新。
第二行左侧展示了复古风格的波浪卷发，发色为深棕色，发丝蓬松且有明显的波浪纹理，营造出复古气息。中间是一款齐刘海波波头（Bob cut），发色为深棕色，发尾修剪整齐，长度及下巴，展现干练利落的气质。右侧是一款高马尾造型，头发扎成紧致的高马尾，露出清晰的面部轮廓和耳朵。
第三行左侧是一款带有空气刘海的低马尾造型，发色为冷棕色，马尾扎在脑后，露出颈部线条，显得温柔大方。中间是一款带有发簪装饰的盘发造型，头发在头顶盘成一个发髻，插有一根细长的发簪，风格古典优雅。右侧是一款短发造型，发色为深棕色，头顶部分头发较短，两侧留有较长的鬓角，呈现出层次感丰富的短发风格。
整组图片清晰地展示了不同发型的细节与质感，模特面部妆容精致，五官清秀。

精准文字渲染

无论是中文，英文，数字还是拼音，甚至是符号，全都可以精准渲染。

指令遵循能力也是非常强大，咱们的提示词基本上都很好的还原了，直接给到一个夯爆。

提示词：8K超高清的3D黏土风格儿童认知沙盘全景图插画。画面采用广角微缩沙盘视角，前景与中景全焦清晰，背景轻度虚化。
整体风格采用软萌的统一黏土材质，所有物体边缘圆润、无尖角，配色主要为柔和的马卡龙色与莫兰迪色，沐浴在明亮柔和的体积光中，呈现出高品质的Cinema 4D可爱渲染效果。
画面最上方是标题区，中央有彩色高光、超大号圆滚滚黏土气球字构成的标题文字：'交通工具 双语认知大发现'。标题两侧对称装饰着可爱的黏土浮雕，包括一架迷你飞机、一辆迷你汽车和一个迷你船锚。
主体场景是一个大型的"交通工具乐园玩具沙盘"。地面分布着柔软的黏土道路、高铁滑轨、带有白色条纹的迷你机场跑道和一个带有小湖泊的小型港口。环境点缀着圆滚滚的路灯柱、漂浮的棉花糖云朵、一簇簇黏土树丛以及一座横跨水面的小桥。画面中央偏下位置站着两位引导角色：一个穿着探险服的可爱黏土探险宝宝和一只黏土小狗，宝宝正兴奋地伸手指着前方的交通工具引导视线。八个核心交通工具错落有致地分布在沙盘各处，每个交通工具旁边都有一个奶白色或浅黄色的软胶标签牌（圆角、厚边、轻微浮雕感）。标签牌通过一根粗壮圆润的橙黄色或粉蓝色3D黏土箭头精准指向对应的交通工具，箭头之间互不交叉。标签牌上的文字分三行排列（第一行中文超粗圆体，第二行带声调拼音，第三行英文圆润无衬线）：1、道路上有一辆蓝色黏土小汽车，指向它的标签牌写着：'汽 车'，第二行'qì chē'，第三行'Car'。2、道路十字路口有一辆白底红十字的救护车，标签写着：'救 护 车'，'jiù hù chē'，'Ambulance'。3、路边停着一辆黄色的校车，标签写着：'校 车'，'xiào chē'，'School Bus'。4、附近有一辆带云梯的红色消防车，标签写着：'消 防 车'，'xiāo fáng chē'，'Fire Engine'。5、机场跑道上停着一架白底蓝翼的飞机，标签写着：'飞 机'，'fēi jī'，'Airplane'。6、滑轨上行驶着一辆流线型的白色加蓝条纹高铁，标签写着：'高 铁'，'gāo tiě'，'High-speed Train'。7、道路另一侧有一辆绿色的公交车，标签写着：'公 交 车'，'gōng jiāo chē'，'Bus'。8、港口的水面上漂浮着一艘红白相间的轮船，标签写着：'轮 船'，'lún chuán'，'Ship'。
在大件周围，散落着丰富的黏土质感中小件物体，包括带有红黄绿三色圆球的红绿灯、橙白相间的交通锥、方向牌、白色的道路栏杆、圆柱形的油桶、黑色小轮胎、小螺丝工具、交通岗亭、屋顶的风向标，以及带有'H'字母的小停机坪标志。画面按分组布局，保留了充分的留白呼吸感，构图丰富且井然有序。

创意海报

最后，咱们拿同样的提示词，对比下刚上线的 GPT-IMAGE-2。

左边是 GPT-IMAGE-2，右边是 ERNIE-Image。

提示词：一幅兼具新春佳节欢庆气息与高级艺术美感的2026年北京都市宣传海报。
采用多重曝光手法，画面整体呈现出蜿蜒灵动的S型视觉引导线；视线来到带有素雅肌理的纯白背景右下方，一位身着华美传统服饰的微距小人正翩翩起舞，手中挥动着一匹灵动飘逸的赤色锦缎。这抹红绸顺势向画面的左上角腾跃飞舞，丝滑的布料在半空中魔幻般地化作连绵起伏的巍峨群山与奔流江水。
在这如梦似幻的“山水画卷”里，巧妙地嵌合着北京城的国潮风手绘全景。壮阔的京城风貌一览无余，气势磅礴，令人叹为观止。画中错落有致地展现着北京的标志性景观（天坛祈年殿、故宫紫禁城、蜿蜒的万里长城、央视总部大楼、中国尊以及北海白塔）。
整个场景被缭绕的仙气与缥缈的云海簇拥，色彩斑斓且层次繁复、细节刻画入微。得益于画面中恰到好处的大面积留白，整体意境依旧保持着空灵与清雅。海报左下角以极简大气的排版设计融入了英文字母“SPRING 2026”以及竖向排列的中文标语，深刻传达出“千年古都，京韵绵长”的核心主旨。
字体设计讲究，布局疏密有致，字迹呈现锐利、清晰且完整。

动漫角色

再来个动漫角色对比。

提示词：画面主体为春野樱的半身像，位于画面中央，正面朝向观众。
角色的面部被一条清晰的黑色垂直细线从正中间一分为二，呈现出左右两个截然不同的视觉效果。
左侧画面采用典型的动漫风格，角色留着明亮的粉色短发，拥有一只大而明亮的绿色眼睛，佩戴着带有黑色粗线条勾勒的金属护额，光影呈现平面化的二次元特征。
右侧画面则呈现出写实或粗犷的风格，头发呈现出真实的毛发质感和略显凌乱的碎发，眼睛为深邃且带有虹膜细节的人类眼球，右侧的金属护额表面布满了划痕和铁锈，呈现出饱经风霜的质感。
角色的颈部和肩部可见红色的战斗服，左右两侧的颜色和材质在视觉上保持一致。
整体构图为垂直画幅的头部特写，背景为模糊的灰白色调，无其他环境元素。

游戏截图

游戏截图的对比。

提示词：一张《无畏契约》（VALORANT）的游戏内截图，采用第一人称视角（FPP）拍摄，呈现出战术射击游戏的紧张氛围。
画面中央是一把狂徒（Vandal）突击步枪，玩家的双手正握持着武器，手臂部分可见，穿着深黑色与红色相间的袖子和护臂。这把步枪配备了全息战术瞄准镜，枪身覆盖着深色波纹状的皮肤，金属边缘带有逼真的战术磨损痕迹，侧面挂着一个青绿色的花朵武器挂件，瞄准镜的玻璃呈现出光学折射感。
场景设定在意境空岛（Ascent）的室内长廊，左侧是带有威尼斯风情的木质吧台，暖黄色的复古吊灯洒下光晕；右侧墙壁有一个被特工技能轰开的巨大破洞，边缘参差不齐，墙后透出红色暗光，显示出环境的破坏。右侧墙壁上悬挂着一面带有特务图案的黑色旗帜，布料褶皱处有微弱光线。
画面包含丰富的HUD与战术UI界面：顶部显示比分“1:1”及倒计时“1:15”，左侧为蓝色（己方全员存活）特工头像，右侧为红色（敌方位置未知）头像；左上角战术小地图标记着炸弹点“A”和“B”，玩家位置距离目标点“14 m”；左下角显示生命值“150”；右下角显示弹药量“25/75”及特工技能图标。右侧中部悬浮着一行系统红色警告文字：“已对玩家 R6_Columbus 开启反友军伤害机制”。
整体光影呈现高对比度的室内效果，UI界面带有霓虹发光效果，材质细节丰富，包括木纹、金属和砖石，具有虚幻引擎级别的渲染质量。

说实话我还挺惊讶的，因为一眼望过去，大面上布局和审美是差不多的。

细节上，肯定 GPT-IMAGE-2 要更丰富一些。

但别忘了，ERNIE-Image 可是能跑在消费级显卡上的。

真有点像零氪平民玩家靠走位，硬生生和氪金大佬打了个五五开的感觉。

值得一提的是，ERNIE-Image 还配备了提示词增强器。

可以将简短的输入，扩展为更详细，结构化的提示词，彻底激发模型的生成能力。

最后，再附上一个官方的提示词库。

“

https://ernieimageprompt.com/

尾声

测了这么多 AI 产品，突然撞见一个良心的开源模型，内心还有点小激动。

百度这次表面上是开源，但它是真的把被算力门槛拦在门外的人。

给拉了进来。

开源这事儿吧，说复杂也复杂，说简单也就一句话。

我手里的东西不错，我愿意免费给你用，不设啥门槛。

毕竟人，才是一切的目的。

能交回到普通人手里的技术，才是好技术。

AI 这张牌桌，咱也有资格上了。