Repolode
Enviar
OpenMOSS

OpenMOSS/MOSS-Image

Transformador de difusión de código abierto con 5B de parámetros para generar imágenes a partir de texto, con buena representación de texto dentro de las imágenes y control de composición mediante JSON.

Alternativa open source a:MidjourneyAdobe Firefly

Ver en GitHubSitio web
Estrellas
647
Forks
26
Issues abiertos
6
Último commit
anteayer

¿Qué es?

MOSS-Image es un modelo de OpenMOSS que genera imágenes a partir de texto. Está disponible como modelo base (MOSS-Image-Base) y como variante ajustada (MOSS-Image-SFT). Usa un transformador de difusión con 5B de parámetros y está pensado para prompts en los que el texto debe aparecer con precisión dentro de la imagen, como carteles, letreros y notas manuscritas.

Además de aceptar prompts simples, el modelo admite composiciones estructuradas en JSON que colocan texto y objetos en cuadros delimitadores específicos dentro de un lienzo. Admite prompts de hasta 4K tokens, y el proyecto incluye un pipeline de Python compatible con Diffusers, una aplicación web de Gradio y un plugin para ComfyUI. Ofrece distintos modos de uso de memoria, desde mantener todo en la GPU hasta descargar los componentes de forma secuencial, para adaptarse a hardware limitado.

El repositorio también incluye una skill para mejorar prompts, que convierte ideas para imágenes en descripciones detalladas o JSON de composición. La documentación explica cómo hacer fine-tuning con LoRA para adaptar estilos y dominios específicos.

Funciones clave

  • 01Genera imágenes con texto claro y bien representado.
  • 02Controla la ubicación del texto y los objetos mediante composiciones JSON con cuadros delimitadores.
  • 03Admite prompts de hasta 4K tokens.
  • 04Ofrece interfaces para Python, Gradio y ComfyUI.
  • 05Incluye modos de uso de memoria para distintas capacidades de GPU.
  • 06Admite fine-tuning con LoRA para tareas personalizadas.

Casos de uso

  • Crear carteles o banners en los que el título y el texto principal deban aparecer exactamente en la imagen.
  • Generar maquetas, como letreros, notas adhesivas o pizarras, con texto legible.
  • Crear composiciones con la distribución controlada para borradores de marketing o diseño.
  • Adaptar mediante fine-tuning un modelo de imágenes base a un estilo artístico o dominio específico.

Temas

#text-to-image#diffusion-model#image-generation#text-rendering#layout-control#fine-tuning#comfyui#controllable-generation#foundation-models

Preguntas frecuentes

¿Qué es MOSS-Image?
Transformador de difusión de código abierto con 5B de parámetros para generar imágenes a partir de texto, con buena representación de texto dentro de las imágenes y control de composición mediante JSON. MOSS-Image es un modelo de OpenMOSS que genera imágenes a partir de texto. Está disponible como modelo base (MOSS-Image-Base) y como variante ajustada (MOSS-Image-SFT). Usa un transformador de difusión con 5B de parámetros y está pensado para prompts en los que el texto debe aparecer con precisión dentro de la imagen, como carteles, letreros y notas manuscritas.
¿MOSS-Image es gratuito? ¿Qué licencia tiene?
MOSS-Image es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿MOSS-Image sigue mantenido?
Mantenimiento activo. El último commit de MOSS-Image fue el 16 oct 2026.
¿Para qué puedo usar MOSS-Image?
Crear carteles o banners en los que el título y el texto principal deban aparecer exactamente en la imagen. Generar maquetas, como letreros, notas adhesivas o pizarras, con texto legible. Crear composiciones con la distribución controlada para borradores de marketing o diseño. Adaptar mediante fine-tuning un modelo de imágenes base a un estilo artístico o dominio específico.
¿Dónde consigo MOSS-Image?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/OpenMOSS/MOSS-Image

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados