無修正 MOSS-Image：狙った位置に文字を正確に描けるオープンウェイト

デザイナーや販売者が注目する理由

MOSS-Image は、文字を「絵の一部」としてきちんと扱えるオープンな画像生成モデルです。見出しや価格、手書きメモを引用符で囲んで書けば、英語でも中国語でも読める文字として、レイアウトで指定した場所に描き込まれます。この一点だけで、遊びの道具がショップやスタジオ、SNS 運用チームの実務ツールに変わります。重みは無料でダウンロードでき自分の GPU で動くため、1 枚ごとの料金もなく、プロンプトと結果の間にオンラインのフィルターもありません。

画像の中に読める中国語・英語の文字を描く

多くのオープン画像モデルはいまだに文字が崩れがちで、特に中国語は苦手です。MOSS-Image は両方の言語を描けるよう学習されており、公開サンプルでもその強みが前面に出ています。牛乳・卵・パンの買い物リストを中国語で手書きした冷蔵庫のメモ、メモで埋まったホワイトボード、店の看板、ポスターの見出しなどです。コツはシンプルで、描きたい言葉を引用符で囲み、その位置と見た目を指定すること。たとえば "a bold red headline reading \"SUMMER SALE\" across the top" のように書きます。長い段落より短いフレーズのほうがきれいに出力され、公開されている比較では SFT チェックポイントのほうが Base より文字のまとまりや揃え方が整っています。

• 表示したい言葉はすべて、使いたい言語のまま引用符で囲む。
• 書かれる面を指定する：付箋、ネオンサイン、黒板、雑誌の表紙など。
• 文字のスタイルを指定する：手書き、太字のサンセリフ、毛筆の書道など。
• テキストブロックは短く。長い文章は複数のラベル付き項目に分ける。

得意な用途：ポスター、ショップバナー、インフォグラフィック

文字と配置が強みなので、きれいな絵だけでは足りない仕事に向いています。ネットショップの運営者は隅に価格バッジを入れた商品バナーを試作し、SNS担当者は二言語のタイトル入りカバーを下書きし、ショートドラマやウェブ漫画の作者はセリフ入りのポスターやコマをラフに起こします。教師やマーケターはホワイトボード解説やインフォグラフィックに、飲食店はメニューや看板に、ブランドチームは見出しだけを差し替えた統一レイアウトの量産に活用しています。

ビジネスに活かす：バナー、メニュー、広告テスト

最も恩恵を受けているのは、文字入りのビジュアルを素早く大量に作りたい小規模チームです。ネットショップなら、商品を中央に、割引をステッカーに、見出しを 2 か国語で入れた 1 週間分の販促バナーを午後のうちに下書きできます。広告代理店は同じ JSON レイアウトでコピーだけを差し替えた広告案を何十本も作り、A/B テストのコストを下げています。カフェやレストランはメニューや黒板、印刷所はオーダーメイドのポスター、Web 漫画やショートドラマの制作会社はタイトル配置済みの表紙ラフを作り、最後にデザイナーが仕上げます。

コミュニティの評価と、みんなが作っているもの

クリエイターが画像やモデルを共有する Civitai では、初期のコメントはおおむね好意的です。あるユーザーはリアル系画像では知識量が最も豊富なオープンモデルの一つだと評し、アニメ調と写真調の両方をこなせる点を称賛しました。一方で弱点の指摘もあります。手や手足が崩れることがある、絵師名のスタイルタグがほとんど効かない、デフォルト設定は遅い、などです。1 枚 100 秒以上かかっていたのが、コミュニティ製のターボ LoRA で約 10 分の 1 になったという報告もあり、その代わり肌がやや柔らかくなるとのことです。公開から 10 日で GitHub リポジトリは約 1.9k スター、Base モデルのページは 556 いいねを集めました。投稿されているのは、架空のレトロ旅行ポスター、2 か国語の雑誌表紙、手書きの冷蔵庫メモやホワイトボード、文字入りのミーム、名前入りのアニメキャラ設定表、成人モデルの華やかなビーチ撮影などです。

• 大きく読めるタイトル入りのレトロ旅行・映画ポスター
• 中英 2 か国語の雑誌表紙や SNS カバー
• ミーム用の手書きメモ、レシート、ホワイトボードネタ
• 名前やステータスを書き込んだアニメキャラ設定表
• 雑誌ロゴ風の文字入り、成人モデルの水着・ピンナップ撮影

コピーして使える MOSS-Image プロンプト例

このモデルは3種類のプロンプト形式を読み取れ、目的ごとに向き不向きがあります。自然な文章は写真やポスターに最適、タグの羅列はアニメ系やコミュニティLoRAのユーザーにおなじみ、JSON は厳密なレイアウト向けです。以下のテンプレートから始め、シードを固定して一度に1か所ずつ変えてみましょう：

• 自然な文章："A cozy kitchen at morning, a handwritten note on the fridge reading \"milk, eggs, bread\", warm sunlight, photorealistic."
• ポスター："Retro travel poster of a seaside town, large title \"VISIT CAPRI\" at the top in cream serif letters, grainy print texture."
• タグ："adult woman, beach, sunset, bikini, film grain, 35mm, golden hour"（成人キャラクターのみ）。
• インフォグラフィック："Clean whiteboard with three numbered steps titled \"How to brew coffee\", simple marker drawings, flat lighting."
• 二言語カバー："Magazine cover, Chinese headline in bold brush strokes, English subtitle \"Night Market Guide\" below, neon street at night."

JSONレイアウトプロンプト：タイトルや商品を座標で固定

このモデルを際立たせているのが JSON モードです。見出しが上に来るのを祈る代わりに、summary で場面全体を説明し、各要素をラベル、キャプション、バウンディングボックス、任意のテキスト付きで列挙します。ボックスは yxyx 順（上、左、下、右）で、キャンバス中心を原点とするピクセル座標で指定します。1024×1024 の画像なら各軸は -512 から 512 までで、数値は生成するサイズに合わせる必要があります。OpenMOSS はレイアウト機能をまだ実験的としているので、ボックスを1、2個調整する前提で使いましょう。ひな形はこちら：

{
  "summary": { "caption": "Bright summer shop banner, white studio background" },
  "items": [
    { "label": "title", "caption": "bold red headline", "bbox": [-460, -400, -300, 400], "text": "SUMMER SALE" },
    { "label": "product", "caption": "glass bottle of iced lemon tea", "bbox": [-220, -200, 380, 200] },
    { "label": "badge", "caption": "yellow round sticker", "bbox": [260, 260, 460, 460], "text": "-50%" }
  ],
  "bbox_format": "yxyx",
  "bbox_coord_space": "abs_centralized"
}

フィールド名は公式 GitHub リポジトリのレイアウトガイドに準拠しています。公式の Prompt Enhancer スキルを使えば、一文から詳細な説明やレイアウトに展開することもできます。

MOSS-Image は無修正？NSFW LoRA と成人向けアート

ローカルで動かせば、オープンウェイトにはオンラインフィルターがありません。プロンプトも完成画像もチェックされないので、何を描かせるかはあなた次第です。OpenMOSS は NSFW チェックポイントを公開しておらず、学習データのフィルタリング方法も明らかにしていないため、露骨な描写はコミュニティ製の追加モデル次第です。AlphaSignal の伝聞報道によると、トリガーワード moss_xvstyle を使う "Moss-image-nsfw-uncensored-lora" が数日のうちに登場し、Base と SFT の両方で動作するとのことですが、Hugging Face や Civitai のページでは確認されていないので慎重に扱ってください。人気の成人向けジャンルは、明らかに成人のキャラクターによる水着やランジェリーのエディトリアル、ピンナップポスター、ファンタジー系のカバーアートです。GPU のセットアップを省きたいなら、Spicy AI がブラウザ上で同様の無修正画像生成を提供しています。

1. 描きたい言葉は引用符で囲み、置く場所も指定する。
2. キャラクターの見た目はタグで、光や雰囲気は完全な文章で書く。
3. シードを固定し、1回ごとに1か所だけ変える。
4. 登場人物は全員成人（18歳以上）であると明記し、実在の人物を同意なく描かない。

SFT と Base：どちらのチェックポイントを選ぶか

2つのチェックポイントは同じ5Bアーキテクチャですが、想定ユーザーが異なります。SFT は厳選データで教師ありファインチューニングされており、公式の比較画像では文字のまとまりやページレイアウトがより整っています。とにかく良い画像が欲しいならこちらを読み込みましょう。Base はその追加学習を省いて素のモデルに近い状態を保っているため、LoRA やフルファインチューニングの出発点として優れています。

動かし方：Hugging Face、ComfyUI、diffusers、API

手軽な入口は4つあります。いちばん早く試せるのは OpenMOSS-Team の無料 Hugging Face Space です。ローカルなら、最新の nightly ビルドの ComfyUI がネイティブ対応しており、Comfy-Org の再パッケージ版ファイルを標準ローダーで読み込めます。公式リポジトリのプラグインも diffusers フォルダの読み込みに引き続き便利です。コードを書く人は、diffusers 0.38 以降でカスタムの pipeline_moss_image と trust_remote_code を使って重みを読み込めます（Python 3.10 以上、PyTorch 2.9 以上、NVIDIA GPU が必要）。自前でホストしたくないチームは MOSI API プラットフォーム経由で呼び出せます。

• デフォルトのサンプリング：50ステップ、CFG 3、shift 5、フローマッチング Euler。
• 幅と高さは16の倍数にする必要があり、公式例では 1024x1024 と 1456x1456 を使用。
• ガイダンスは1ステップごとに2回計算するため、蒸留モデルより遅くなる。
• コミュニティ製の8ステップ DMD 蒸留版は、わずかな品質と引き換えに下書きを大幅に高速化できる。

VRAM、速度、量子化版

OpenMOSS は最低必要 VRAM を公表していません。代わりに Gradio デモには3つのメモリモードがあります。GPU resident はすべてをGPU上に置いて高速に動かし、Component は部品を CPU と GPU の間で移動させ、Sequential は最も遅いものの省メモリの最終手段です。メモリ不足エラーが出たら、Sequential に切り替える、解像度を下げる、量子化ファイルを試すといった対処をしましょう。Hugging Face には Base モデルのコミュニティ製量子化派生モデルが13個掲載されています。品質や対応状況はファイルごとに異なるため、GGUF や FP8 といった形式と必要なローダーを各モデルカードで確認してください。

KohakuMossTrainer で自分のスタイルを学習

オープンウェイトの真価が発揮されるのがファインチューニングです。公開の2日後にリリースされた KohakuMossTrainer は、両チェックポイントのフルファインチューニングと LyCORIS・LoRA アダプターに対応し、README によればアダプターはわずか 6GB の VRAM で学習できます。DiffSynth-Studio もフルファインチューニングと LoRA に対応しています。わずか10日で、Hugging Face には Base モデルをもとにしたアダプター41個とファインチューン36個が登録されました。画風ものから、色の階調飛びをなめらかにするコミュニティ製 DeBand LoRA のような修正系まで多彩です。学習は Base で行い、キャプションは実際のプロンプトと同じ書き方にそろえ、LoRA に覚えさせたい文字も含めましょう。

FLUX.2、Qwen-Image、Z-Image との比較

これらのモデルを並べて評価した公式ベンチマークはまだないため、スコア表ではなく実用面での比較として見てください。明確な違いはサイズ、レイアウト制御、編集機能です：

サイズは各モデルの公開リリースノートに基づきます。このモデルはまだ定量的なベンチマークを公表していません。

出典

• Base モデルカード（Hugging Face）
• SFT モデルカード（Hugging Face）
• OpenMOSS リポジトリとレイアウトガイド（GitHub）
• 技術レポート（arXiv 2610.23374）
• 公式オンラインデモ（Hugging Face Space）
• ComfyUI 形式の重み（Comfy-Org）
• コミュニティコメント（Civitai アーカイブ）
• コミュニティ製 NSFW LoRA に関する報道（AlphaSignal、未確認）

その他の無修正画像モデルガイド

• 無修正 Midjourney
• 無修正 DALL·E
• 無修正 Stable Diffusion
• 無修正 Flux
• 無修正 Nano Banana
• 無修正 Nano Banana 2
• 無修正 Nano Banana 2.1
• 無修正 Nano Banana Pro
• 無修正 Ideogram
• 無修正 Leonardo AI
• 無修正 Seedream
• 無修正 Seedream 5.0
• 無修正 Krea
• 無修正 Kroma
• 無修正 Qwen-Image
• 無修正 Adobe Firefly
• 無修正 GPT Image 2.5
• 無修正 Fibo 2.0 Dev
• 無修正 Fibo 2.0 Edit Turbo
• 無修正 GPT Image 2
• 無修正 Text to Image
• 無修正 Z-Image Turbo
• 無修正 Z-Image
• 無修正 FLUX.2
• 無修正 FLUX.2 [dev]
• 無修正 FLUX.2 [pro]
• 無修正 GPT Image 1.5
• 無修正 AI Head Swap
• 無修正 AI Cloth Swap
• 無修正 Qwen-Image-2.1 LoRAs
• 無修正 Wulver
• 無修正 AI Face Swap