MOSS-Image SFT：支持布局控制的 5B 文生图模型
ComfyUI Wiki
MOSS-Image SFT 是 OpenMOSS 5B 图像模型的监督微调版本，支持布局 JSON 控制、中英文文本渲染以及 ComfyUI 支持。
M
MOSS-Image SFT
文生图布局控制文本渲染开放权重MOSS-Image 在精选数据上的监督微调版本，也是进行文生图工作时应该运行的模型。它保持与基础模型相同的架构和 pipeline，同时生成更整齐的文本分组和更有条理的布局，并支持通过边界框放置文本与对象的 JSON 布局。
| 开发者 | OpenMOSS |
| 发布日期 | 2026-10-16 |
| 架构 | 5B 单流 DiT（42 层），运行于 FLUX.2 latent 空间，Qwen3.5-9B 文本编码器，FLUX.2 VAE |
| 参数 | 5B |
| 许可证 | Apache-2.0 |
| 采样 | 50 步或更多，CFG 3，shift 5，Euler，在第 22 层跳过负面分支 |
能力
- 文本渲染：在图像内生成清晰可读的英文和中文文本，并支持自动换行
- 布局 JSON：由一个
summary加上带边界框的items来控制文本与对象的位置，以及文本的具体内容 - 提示词格式：自然语言、booru 风格标签序列或布局 JSON，提示词最长可达 4K token
- 分辨率范围：推荐 1M、1.5M 和 2M 像素，支持 0.25M 至 4M，需为 16 的倍数
- 风格范围：据 OpenMOSS 称，同时支持动漫与照片级写实输出
说明
MOSS-Image-SFT 由 MOSS-Image Base 微调而来，是大多数 ComfyUI 用户会运行的模型；重新打包的权重同时包含这两个模型。来自项目仓库的采样设置为 50 步、CFG 3、shift 5，配合 Euler 并在第 22 层跳过负面分支，采样器为 sgm_uniform。
相关
Guides and workflows related to this model series.
No articles found.
评论
使用 GitHub 登录后即可参与讨论。