MOSS-Image: レイアウト制御に対応したオープンな5B画像モデル

ComfyUI Wiki

MOSS-Imageは、レイアウトJSON制御、正確な英語・中国語のテキスト描画、ComfyUIのコアサポートを備えたOpenMOSSのオープンな5Bテキストから画像へのモデルファミリーです。

M

MOSS-Image

テキストから画像へレイアウト制御テキスト描画オープンウェイト

OpenMOSSによるオープンな5Bテキストから画像へのモデルファミリー。FLUX.2の潜在空間における単一ストリームdiffusion transformerとQwen3.5-9Bテキストエンコーダを組み合わせ、読みやすいテキスト描画とJSONレイアウト制御のために構築されています。シーンを記述し、テキストボックスやオブジェクトをバウンディングボックスで配置できます。ファインチューニング向けのベースcheckpointと、日常的な生成向けの教師ありファインチューンを提供します。

Hugging Face BaseHugging Face SFTGitHubDemo
開発元OpenMOSS
リリース日2026-10-16
アーキテクチャFLUX.2の潜在空間における5B単一ストリームDiT（42レイヤー）、Qwen3.5-9Bテキストエンコーダ、FLUX.2 VAE
パラメータ5B
ライセンスApache-2.0
解像度1M、1.5M、2Mピクセルを推奨、0.25Mから4Mまでサポート、16の倍数
サンプリング50ステップ以上、CFG 3、shift 5、レイヤー22でのネガティブ分岐スキップ
ComfyUIコアサポートはComfy-Org/ComfyUI PR #17095でマージ済み、再パッケージ化された重みはComfy-Org/MOSS-Imageにあり

モデル

モデル説明ライセンスリリース日
MOSS-Image Base完全な学習シグナルを備えた事前学習済みcheckpoint。LoRAやファインチューニング作業を想定Apache-2.02026-10-16
MOSS-Image SFTキュレーションされたデータでベースモデルを教師ありファインチューニングしたもの。テキストから画像への生成とレイアウト生成向けApache-2.02026-10-16

上記からモデルを選択すると、厳選された重みのダウンロード、チュートリアル、関連情報を確認できます。

機能

  • レイアウト制御: プロンプトには、テキストとオブジェクトをバウンディングボックスで配置するJSONドキュメントを使用できるため、構図とテキスト配置を編集可能なデータとして扱えます
  • テキスト描画: 読みやすい英語と中国語のテキスト。プロンプトで改行を指定しない場合でも自動的に改行されます
  • 長いプロンプト: 最大4Kトークン
  • プロンプト形式: 自然言語、booru形式のタグ列、レイアウトJSON
  • ファインチューニング: ベースcheckpointはLoRAトレーニング用に公開されており、リポジトリにはプロンプトエンハンサーのスキルと、トレーニングおよび推論のためのユーザーガイドが含まれています

関連

コメント

GitHubでサインインしてディスカッションに参加しましょう。

コメントを読み込み中…