Repolode
Предложить
OpenMOSS

OpenMOSS/MOSS-Image

Открытый диффузионный трансформер на 5 млрд параметров для генерации изображений по тексту, с точным рендерингом текста и управлением композицией через JSON.

Open source альтернатива:MidjourneyAdobe Firefly

Открыть на GitHubСайт
Звёзды
647
Форки
26
Открытые issues
6
Последний коммит
позавчера

Что это?

MOSS-Image — текстово-графическая модель от OpenMOSS, доступная в виде базовой модели (MOSS-Image-Base) и дообученного варианта (MOSS-Image-SFT). Она использует диффузионный трансформер на 5 млрд параметров и предназначена для запросов, в которых текст должен точно отображаться на изображении, например на плакатах, вывесках и рукописных заметках.

Помимо обычных текстовых запросов, модель принимает структурированные JSON-макеты, задающие положение текста и объектов на холсте с помощью ограничивающих рамок. Поддерживаются запросы длиной до 4K токенов. В проект входят Python-пайплайн для работы через Diffusers, веб-приложение на Gradio и плагин для ComfyUI. Для устройств с ограниченной памятью доступны режимы от полной загрузки модели в GPU до последовательной выгрузки слоёв.

В репозитории также есть навык для улучшения запросов: он преобразует идеи изображений в подробные описания или JSON-макеты. В документации описано дообучение с помощью LoRA для пользовательских стилей и предметных областей.

Ключевые возможности

  • 01Генерирует изображения с чётким и точным отображением текста.
  • 02Позволяет задавать расположение текста и объектов с помощью JSON-макетов и ограничивающих рамок.
  • 03Принимает запросы длиной до 4K токенов.
  • 04Предоставляет интерфейсы для Python, Gradio и ComfyUI.
  • 05Предлагает режимы работы с памятью для GPU разной ёмкости.
  • 06Поддерживает дообучение с помощью LoRA для пользовательских задач.

Сценарии использования

  • Создание плакатов и баннеров, на которых в изображении должны точно отображаться заголовок и основной текст.
  • Генерация макетов вывесок, стикеров для заметок и досок с читаемым текстом.
  • Создание композиций с управляемой компоновкой для маркетинговых и дизайнерских черновиков.
  • Дообучение базовой модели генерации изображений под конкретный художественный стиль или предметную область.

Темы

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

Частые вопросы

Что такое MOSS-Image?
Открытый диффузионный трансформер на 5 млрд параметров для генерации изображений по тексту, с точным рендерингом текста и управлением композицией через JSON. MOSS-Image — текстово-графическая модель от OpenMOSS, доступная в виде базовой модели (MOSS-Image-Base) и дообученного варианта (MOSS-Image-SFT). Она использует диффузионный трансформер на 5 млрд параметров и предназначена для запросов, в которых текст должен точно отображаться на изображении, например на плакатах, вывесках и рукописных заметках.
MOSS-Image можно использовать бесплатно? Какая у него лицензия?
MOSS-Image распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
MOSS-Image всё ещё поддерживается?
Активно поддерживается. Последний коммит в MOSS-Image — 16 окт. 2026 г..
Для чего можно использовать MOSS-Image?
Создание плакатов и баннеров, на которых в изображении должны точно отображаться заголовок и основной текст. Генерация макетов вывесок, стикеров для заметок и досок с читаемым текстом. Создание композиций с управляемой компоновкой для маркетинговых и дизайнерских черновиков. Дообучение базовой модели генерации изображений под конкретный художественный стиль или предметную область.
Где скачать MOSS-Image?
Исходный код и инструкции по установке — на GitHub: https://github.com/OpenMOSS/MOSS-Image

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты