Repolode
投稿する
OpenMOSS

OpenMOSS/MOSS-Image

画像内の文字描画とJSONレイアウト制御に強い、オープンソースの50億パラメータ・テキスト画像生成拡散トランスフォーマー。

代替できる製品:MidjourneyAdobe Firefly

GitHub で見る公式サイト
スター
647
フォーク
26
未解決の Issue
6
最終コミット
一昨日

これは何？

MOSS-ImageはOpenMOSSが公開するテキスト画像生成モデルで、ベースモデル（MOSS-Image-Base）とファインチューニング済みモデル（MOSS-Image-SFT）があります。50億パラメータの拡散トランスフォーマーを採用し、ポスターや看板、手書きのメモなど、画像内に文字を正確に表示する必要があるプロンプトを想定しています。

通常のプロンプトに加えて、キャンバス上の指定したバウンディングボックスに文字やオブジェクトを配置するJSON形式のレイアウトも受け付けます。最大4Kトークンのプロンプトに対応しており、Diffusers経由で利用できるPythonパイプライン、GradioのWebアプリ、ComfyUIプラグインも含まれています。ハードウェアの制約に応じて、GPUにすべてを常駐させるモードから逐次オフロードまで、複数のメモリモードを利用できます。

リポジトリには、画像のアイデアを詳細なキャプションやレイアウトJSONに変換するプロンプトエンハンサーのskillも含まれています。また、独自のスタイルやドメインに合わせたLoRAファインチューニングのドキュメントも用意されています。

主な機能

  • 01文字を鮮明かつ正確に描画した画像を生成します。
  • 02バウンディングボックスを使ったJSONレイアウトで、文字やオブジェクトの配置を制御できます。
  • 03最大4Kトークンのプロンプトを受け付けます。
  • 04Python、Gradio、ComfyUIのインターフェースを提供します。
  • 05GPU容量に応じたメモリモードを利用できます。
  • 06独自のタスクに向けたLoRAファインチューニングに対応しています。

ユースケース

  • タイトルや本文を正確に画像内に表示するポスターやバナーの作成。
  • 看板、付箋、ホワイトボードなど、文字が読みやすいモックアップの生成。
  • マーケティングやデザインの草案に使う、レイアウトを制御した画像の制作。
  • 特定のアートスタイルやドメインに合わせた、ベース画像モデルのファインチューニング。

トピック

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

よくある質問

MOSS-Image とは？
画像内の文字描画とJSONレイアウト制御に強い、オープンソースの50億パラメータ・テキスト画像生成拡散トランスフォーマー。 MOSS-ImageはOpenMOSSが公開するテキスト画像生成モデルで、ベースモデル（MOSS-Image-Base）とファインチューニング済みモデル（MOSS-Image-SFT）があります。50億パラメータの拡散トランスフォーマーを採用し、ポスターや看板、手書きのメモなど、画像内に文字を正確に表示する必要があるプロンプトを想定しています。
MOSS-Image は無料で使えますか？ライセンスは？
MOSS-Image は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
MOSS-Image は今もメンテナンスされていますか？
活発にメンテナンス中。MOSS-Image の最終コミットは 2026年10月16日 です。
MOSS-Image は何に使えますか？
タイトルや本文を正確に画像内に表示するポスターやバナーの作成。 看板、付箋、ホワイトボードなど、文字が読みやすいモックアップの生成。 マーケティングやデザインの草案に使う、レイアウトを制御した画像の制作。 特定のアートスタイルやドメインに合わせた、ベース画像モデルのファインチューニング。
MOSS-Image はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/OpenMOSS/MOSS-Image

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト