MOSS-Image SFT: レイアウト制御に対応した 5B テキストから画像へのモデル
ComfyUI Wiki
MOSS-Image SFT は OpenMOSS の 5B 画像モデルを教師ありファインチューニングしたもので、レイアウト JSON による制御、英語と中国語のテキスト描画、ComfyUI サポートを備えています。
M
MOSS-Image SFT
Text-to-ImageLayout ControlText RenderingOpen Weightsキュレーションされたデータで MOSS-Image を教師ありファインチューニングしたモデルで、テキストから画像への生成に使用するチェックポイントです。ベースモデルと同じアーキテクチャとパイプラインを保ちながら、より整ったテキストのグルーピングと整理されたレイアウトを出力し、バウンディングボックスでテキストとオブジェクトを配置する JSON レイアウトをサポートします。
| 開発元 | OpenMOSS |
| リリース日 | 2026-10-16 |
| アーキテクチャ | FLUX.2 潜在空間の 5B シングルストリーム DiT (42 レイヤー)、Qwen3.5-9B テキストエンコーダー、FLUX.2 VAE |
| パラメータ | 5B |
| ライセンス | Apache-2.0 |
| サンプリング | 50 ステップ以上、CFG 3、shift 5、Euler、レイヤー 22 でのネガティブブランチスキップ |
機能
- テキスト描画: 画像内に読みやすい英語と中国語のテキストを描画し、自動改行にも対応
- レイアウト JSON:
summaryとバウンディングボックスを持つitemsによって、テキストやオブジェクトの配置位置と、テキストの内容を制御できます - プロンプト形式: 自然言語、booru 形式のタグ列、またはレイアウト JSON に対応し、プロンプトは最大 4K トークン
- 解像度の範囲: 1M、1.5M、2M ピクセルを推奨。0.25M から 4M までサポートし、16 の倍数
- スタイルの範囲: OpenMOSS によれば、アニメ調とフォトリアル調の両方を出力可能
備考
MOSS-Image-SFT は MOSS-Image Base からファインチューニングされたモデルで、多くの ComfyUI ユーザーが使用するチェックポイントです。再パッケージされた重みには両方のチェックポイントが含まれています。プロジェクトリポジトリのサンプリング設定は、Euler と sgm_uniform を使い、50 ステップ、CFG 3、shift 5、レイヤー 22 でのネガティブブランチスキップです。
関連
Guides and workflows related to this model series.
No articles found.
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。