MOSS-Image SFT: модель текст-в-изображение на 5B
MOSS-Image SFT: дообученная с учителем 5B модель изображений от OpenMOSS с управлением через layout JSON, рендерингом английского и китайского текста и поддержкой ComfyUI.
MOSS-Image SFT
Текст-в-изображениеУправление компоновкойРендеринг текстаОткрытые весаДообученная с учителем версия MOSS-Image на отобранных данных и тот чекпойнт, который стоит запускать для работы с текстом-в-изображение. Она сохраняет ту же архитектуру и pipeline, что и базовая модель, но дает более аккуратную группировку текста и более организованную компоновку, а также поддерживает JSON-раскладки, которые размещают текст и объекты по границам (Bounding Box).
| Разработчик | OpenMOSS |
| Дата выпуска | 2026-10-16 |
| Архитектура | 5B однопоточный DiT (42 слоя) в латентном пространстве FLUX.2, текстовый энкодер Qwen3.5-9B, FLUX.2 VAE |
| Параметры | 5B |
| Лицензия | Apache-2.0 |
| Выборка | 50 шагов или больше, CFG 3, shift 5, Euler, пропуск негативной ветви на слое 22 |
Возможности
- Рендеринг текста: разборчивый английский и китайский текст внутри изображения с автоматическими переносами строк
- Layout JSON:
summaryплюсitemsс границами (Bounding Box) задают, где размещаются текст и объекты и что именно гласит текст - Форматы промптов: естественный язык, последовательности тегов в стиле booru или layout JSON, промпты длиной до 4K токенов
- Диапазон разрешения: рекомендуются 1M, 1.5M и 2M пикселей, поддерживается от 0.25M до 4M, кратные 16
- Диапазон стилей: вывод как в аниме, так и фотореалистичный, по данным OpenMOSS
Примечания
MOSS-Image-SFT дообучен из MOSS-Image Base и является тем чекпойнтом, который запустит большинство пользователей ComfyUI; в переупакованных весах поставляются оба чекпойнта. Настройки выборки из репозитория проекта: 50 шагов, CFG 3, shift 5 и пропуск негативной ветви на слое 22 с Euler и sgm_uniform.
Связанные материалы
Guides and workflows related to this model series.
Комментарии
Войдите через GitHub, чтобы участвовать в обсуждении.