MOSS-Image

MOSS-Image 是什么？

MOSS-Image 是用约 32 亿张图像从零开始预训练的 5B 图像生成模型。

有意思的是，它的训练数据几乎没有做质量过滤。带水印或模糊的图像也没有丢掉，而是加上描述后一起拿来训练。
也许正因为如此，它的表现自由度非常高。尤其是动漫风格的画面能稳定到这种程度，放眼最前沿的模型也很少见。

它采用允许商用的宽松许可证，很期待它接下来会在社区里怎样发展。

推荐设置

• 分辨率
  • 1MP ～ 2MP（最大 4MP）
  • 宽和高都要是 16 的倍数

下载模型

• diffusion_models
  • moss_image_sft_int8_convrot.safetensors (5.41 GB)
• text_encoders
  • qwen3.5_9b_int8_convrot.safetensors (9.75 GB)
• vae
  • flux2-vae.safetensors (336 MB)

📂ComfyUI/
└── 📂models/
    ├── 📂diffusion_models/
    │   └── moss_image_sft_int8_convrot.safetensors
    ├── 📂text_encoders/
    │   └── qwen3.5_9b_int8_convrot.safetensors
    └── 📂vae/
        └── flux2-vae.safetensors

提示词

除了自然语言，也支持标签格式。使用标签时，请按下面的顺序书写，和 Anima 有点像。

Quality -> Score -> Meta -> Year -> Character -> Series -> Artist -> General

text2image

• steps: 25
• cfg: 3.0
• SkipLayerGuidanceDiTSimple
  • single_layers: 22
  • end_percent: 0.5
  • 据说把它关掉后，画面会变得非常写实，代价是更容易崩坏……关掉时确实经常崩，所以这里折中设成了 0.5。

Outputs

text2image with BBOX

用 BBOX 可以指定什么东西放在哪里。

• Create Bounding Boxes

  • 用来绘制 BBOX 的核心节点。拖动即可添加方框，然后写下想放在那里的内容。
  • width / height 要和输出尺寸（Resolution Selector 的值）一致。

  很容易想把 Resolution Selector 的值直接连到 width / height，但目前有 bug，通过外部输入传入分辨率时，BBOX 的坐标会偏移。
  请手动输入相同的数值。

• MOSS-Image Layout Prompt

  • 在这里写整张图像的提示词。
  • 它会把方框的信息和提示词整理成 MOSS-Image 训练时使用的 JSON 格式。

Outputs