Repolode
Enviar
OpenMOSS

OpenMOSS/MOSS-Image

Transformer de difusão open source com 5 bilhões de parâmetros para geração de imagens a partir de texto, com renderização precisa de texto na imagem e controle de layout por JSON.

Alternativa open source a:MidjourneyAdobe Firefly

Ver no GitHubSite
Estrelas
647
Forks
26
Issues abertas
6
Último commit
anteontem

O que é?

MOSS-Image é um modelo de geração de imagens a partir de texto da OpenMOSS, lançado como modelo base (MOSS-Image-Base) e uma variante fine-tuned (MOSS-Image-SFT). Ele usa um transformer de difusão com 5 bilhões de parâmetros e foi desenvolvido para prompts em que o texto precisa aparecer com precisão na imagem, como em pôsteres, placas e bilhetes manuscritos.

Além de prompts simples, o modelo aceita layouts estruturados em JSON que posicionam textos e objetos em caixas delimitadoras especificadas em uma tela. São aceitos prompts de até 4K tokens, e o projeto inclui um pipeline Python utilizável pelo Diffusers, um app web em Gradio e um plugin para ComfyUI. Há modos de memória que vão da execução totalmente na GPU ao offloading sequencial, para hardware com recursos limitados.

O repositório também inclui uma skill para aprimorar prompts, que transforma ideias de imagem em legendas detalhadas ou em JSON de layout, e documentação sobre fine-tuning com LoRA para estilos e domínios personalizados.

Recursos principais

  • 01Gera imagens com texto nítido e renderizado com precisão.
  • 02Controla o posicionamento de textos e objetos com layouts JSON usando caixas delimitadoras.
  • 03Aceita prompts de até 4K tokens.
  • 04Oferece interfaces em Python, Gradio e ComfyUI.
  • 05Disponibiliza modos de memória para diferentes capacidades de GPU.
  • 06Oferece suporte a fine-tuning com LoRA para tarefas personalizadas.

Casos de uso

  • Criar pôsteres ou banners em que o título e o texto principal precisam aparecer exatamente como especificados na imagem.
  • Gerar mockups, como placas, notas adesivas ou quadros brancos com texto legível.
  • Produzir composições com layout controlado para rascunhos de marketing ou design.
  • Fazer fine-tuning de um modelo base de imagens para um estilo artístico ou domínio específico.

Tópicos

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

Perguntas frequentes

O que é MOSS-Image?
Transformer de difusão open source com 5 bilhões de parâmetros para geração de imagens a partir de texto, com renderização precisa de texto na imagem e controle de layout por JSON. MOSS-Image é um modelo de geração de imagens a partir de texto da OpenMOSS, lançado como modelo base (MOSS-Image-Base) e uma variante fine-tuned (MOSS-Image-SFT). Ele usa um transformer de difusão com 5 bilhões de parâmetros e foi desenvolvido para prompts em que o texto precisa aparecer com precisão na imagem, como em pôsteres, placas e bilhetes manuscritos.
MOSS-Image é gratuito? Qual é a licença?
MOSS-Image é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
MOSS-Image ainda é mantido?
Manutenção ativa. O último commit de MOSS-Image foi em 16 de out. de 2026.
Para que posso usar MOSS-Image?
Criar pôsteres ou banners em que o título e o texto principal precisam aparecer exatamente como especificados na imagem. Gerar mockups, como placas, notas adesivas ou quadros brancos com texto legível. Produzir composições com layout controlado para rascunhos de marketing ou design. Fazer fine-tuning de um modelo base de imagens para um estilo artístico ou domínio específico.
Onde consigo MOSS-Image?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/OpenMOSS/MOSS-Image

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados