無修正 AI 画像 · OpenMOSS
無修正 MOSS-Image-SFT:8ステップ下書き・きれいなグラデーション・アニメタグ
MOSS-Image-SFT は、OpenMOSS チームが2026年10月16日に公開した5Bパラメータのオープンウェイトモデル MOSS-Image の、すぐに使えるバージョンです。公開から1か月で、コミュニティはこれをずっと扱いやすいツールに仕上げました。高速な下書き用の8ステップ蒸留版、縦方向のカラーバンディングを除去する LoRA、古いグラフィックカード向けの FP16 ウェイト、そしてアニメのプロンプトをシンプルなタグで書くスタイルの広がりです。このガイドではそうしたコツと、そのまま貼り付けて使えるプロンプトテンプレートをまとめています。
- 無料で始められる
- フィルターなし
- ブラウザで動作

無修正の代替画像ジェネレーター
テキストから画像作りたい画像を説明してください。入れたい文字は引用符で囲みます。参考写真を追加すると編集、空のままならテキストから画像を生成します。
Base から SFT へ:画像を作るためのチェックポイント
OpenMOSS は同じ5Bシングルストリームモデルの2つのチェックポイントを公開しました。Base は事後学習なしで、LoRA を学習するためのクリーンな出発点として用意されています。MOSS-Image-SFT は Base を厳選データでファインチューニングしたもので、最初から良い画像を出し、3種類のプロンプトを理解します。普通の文章、アニメ風のタグリスト、座標付きの JSON レイアウトです。公開されたホワイトボードのサンプルでは、SFT 側の方が文字のまとまりやレイアウトが整って見えますが、OpenMOSS はその差を数値では公表していません。単に画像が欲しいならこのチェックポイントを、独自のスタイルを学習したいなら Base から始めましょう。公開から1か月後、Hugging Face の SFT ページには913件のいいね、過去1か月で約19,500回のダウンロード、そしてこれを使った68個の Space がありました。
50ステップではなく8ステップ:DMD 蒸留と Spectrum
標準のレシピではガイダンス付きで50サンプリングステップが推奨されており、丁寧ですが時間がかかります。MOSS-Image-SFT のコミュニティはこれをすぐに改善しました。lodestones は、8ステップで画像を描く蒸留版 MOSS-Image-SFT-8-steps-dmd を公開し、ComfyUI 用の LoRA アダプターも付けています。さらに ComfyUI-Spectrum-MOSS ノードは、似たステップ間の処理を省略することでサンプリングをさらに高速化します。OpenMOSS 自身の DMD 版はまだ開発中とのことです。公平な速度・品質ベンチマークはまだ誰も公開していないので、自分のカードで試してください。ただ、多くの人が落ち着く使い分けはシンプルです。
| 用途 | 選択 | 理由 |
|---|---|---|
| 構図探し、アイデアの量産 | 8ステップ DMD | フルレンダー1回分の時間で多数の下書き |
| 文字の多いポスター | 推奨の50ステップ | 文字や細部がより崩れにくい |
| 最終的な商品写真や表紙 | 50ステップ、必要に応じて Spectrum 併用 | 品質を保ちつつ待ち時間を短縮 |
カラーバンディング、FP16 カード、SLG 設定の対処法
早い段階で2つの不満が出ました。一部の MOSS-Image-SFT ユーザーは、なめらかな空やグラデーションにうっすらと縦縞、いわゆるバンディングが出ることに気づきました。MATLOWAI はこれに応えて、縦縞をなめらかにする小さな LoRA と ComfyUI プリセットのセット MOSS-Image-SFT-DeBand を公開しました。2つ目の問題はハードウェアです。配布ウェイトは BF16 で、多くの古い GPU は対応していません。KBlueLeaf は FP16 できれいに動くよう調整したウェイト MOSS-Image-FP16-fixed を公開しました。最後の調整は skip-layer guidance(SLG)です。モデルカードではネガティブ側で第22層をスキップする設定になっており、コミュニティのテストでは第24層や第26層でも機能することがわかっています。
- 空や壁に縞が出る:DeBand LoRA をプリセットと一緒に読み込む。
- 古いカードで画像が真っ黒・壊れる:FP16-fixed ウェイトに切り替える。
- より写真らしい雰囲気にしたい:SLG をオフにしてみる。ただし手や細部に注意。
- 短いプロンプトだと平板になる:モデルカードの提案どおり CFG を3から6寄りに上げる。
MOSS-Image-SFT プロンプトの3つの書き方
多くの画像モデルは文章しか読めません。MOSS-Image-SFT は3つの形式を読み取り、最大4Kトークンのプロンプトを英語(推奨)または中国語で受け付けます。普通の文章は写真や文字入りポスターに最適です。正確な文字は引用符で囲み、改行が必要なら引用内で \n を使います。カンマ区切りのタグリストはアニメファンにはなじみやすいでしょう。JSON は厳密なレイアウト向けで、タイトル、商品、バッジがそれぞれ専用のボックスを持ちます。JSON 形式では、ボックスはキャンバス中央を基準とした yxyx の順で指定するため、1024×1024 の画像なら各軸は -512 から 512 になります。GitHub リポジトリにある Prompt Enhancer スキルを使えば、大まかなピクセルのスケッチをこの中央基準の座標に変換できます。
{
"summary": { "caption": "Clean perfume ad, black stone, soft rim light" },
"items": [
{ "label": "product", "caption": "glass perfume bottle", "bbox": [-200, -160, 360, 160] },
{ "label": "title", "caption": "thin gold serif", "bbox": [-460, -300, -320, 300], "text": "NOIR 07" }
],
"bbox_format": "yxyx"
}コピーしてアレンジできるプロンプトテンプレート
これらの MOSS-Image-SFT テンプレートは推奨のアドバイスに沿っています。シーンを描写し、文字を引用符で囲み、その位置を指定すること。解像度は約1〜2メガピクセル、アスペクト比は16の倍数なら自由です。シードを固定し、1回につき1か所だけ変えましょう。冷蔵庫のメモのサンプルはウォーミングアップに最適です。冷蔵庫のドアに貼られた付箋に、牛乳と卵を買うよう中国語で手書きされています。
- 旅行ポスター: "Minimalist travel poster, bold title text \"EXPLORE KYOTO\" at top, red torii gate at sunset, small subtitle \"Autumn 2026\" at bottom, flat illustration, high contrast"
- 商品写真: "Product photo of a glass perfume bottle on wet black stone, label text \"NOIR 07\", soft rim light, studio"
- 手書きメモ: "A wide view of a refrigerator beside a kitchen counter, a sticky note on the door handwritten: \"Buy milk and eggs!\""
- 縦型表紙: "Vertical web novel cover, adult couple in the rain under one umbrella, title \"Midnight Contract\" in silver letters, cinematic"
- アニメタグ: "best quality, highres, newest, 1girl, adult, silver hair, school rooftop, sunset, wind, looking back"

文字が主役のポスターとデザイン
読みやすい文字こそ、多くの人が MOSS-Image-SFT を試す理由です。技術レポートでは、長文ベンチマーク LLTB で平均96.3%のテキストカバー率を記録しており、オープンウェイトモデルの中で最高です。サンプルにはホワイトボード、看板、中国語や英語の手書きメモがあふれています。そのため MOSS-Image-SFT は、バイリンガルのイベントポスター、価格入りの店舗バナー、吹き出し付きの漫画コマ、インフォグラフィック、ショートドラマやWeb小説の縦型表紙に向いています。どんなアスペクト比でも使えるので、1つのプロンプトを正方形の投稿、横長バナー、縦長のスマホ向けストーリーに使い回せます。
自分のキャラクターやスタイルの LoRA を学習する
オープンウェイトなので、自分のキャラクターや画風をモデルに教えられます。10月18日に公開された KohakuMossTrainer は、わずか6GBの VRAM で LoRA や LyCORIS アダプターを学習でき、DiffSynth-Studio はフルファインチューニングと LoRA の両方に対応しています。一般的には Base で学習し、その結果を MOSS-Image-SFT で読み込むのがおすすめです。エコシステムはまだ小さいものの急成長しており、Hugging Face の SFT モデルツリーには55個のアダプター、23個のファインチューン、2個のマージが並んでいます。キャプションは実際にプロンプトで使う書き方に合わせましょう。アニメキャラクターならタグ、写真スタイルなら文章です。
オンライン、API、量子化ファイル、サーバー
MOSS-Image-SFT を試すのにローカル環境は必要ありません。Hugging Face の Space ならブラウザで動かせ、MOSI API プラットフォームは10月20日からホスト型アクセスを提供しています(最新の料金はサイトで確認してください)。自社サービスを運用するチーム向けには、SGLang と vLLM-Omni が初日からモデルに対応し、どちらもデプロイレシピを公開しています。VRAM が少ないユーザーは、モデルツリーにある GGUF ファイルを含む48個の量子化版を探せます。必要なローダーは各カードで確認してください。Mac では、Draw Things と DiffusionBee がローカル生成の定番アプリです。
MOSS-Image-SFT と FLUX・Qwen-Image の比較
公式な直接比較スコアはないため、これは実用的な比較です。MOSS-Image-SFT は約5Bパラメータと小型で、一般向けのカードでも動かしやすく学習しやすいのが特長です。強みは中国語と英語の長文テキスト、そして JSON によるレイアウト制御です。FLUX と Qwen-Image はより大きく、コミュニティの LoRA やファインチューンのライブラリがはるかに充実しているうえ、別途編集モデルもあるため、誰かがすでに学習済みの特定スタイルが必要な場合は依然としてそちらが有利です。
| MOSS-Image-SFT | FLUX ファミリー | Qwen-Image | |
|---|---|---|---|
| サイズ | 約5B | より大きい | より大きい |
| 座標レイアウトのプロンプト | 対応(JSON ボックス) | 非対応 | 非対応 |
| 長いバイリンガルテキスト | 最大の強み | 主に英語 | 強い |
| コミュニティ LoRA | まだ少ないが増加中 | 非常に多い | 多い |
無修正の MOSS-Image-SFT と成人向けアート
OpenMOSS は無修正版をリリースしていません。MOSS-Image-SFT のウェイトはオープンで、ローカルで動かす限りフィルターはかかりませんが、推奨ネガティブプロンプト自体に nsfw という語が含まれており、デフォルト設定が安全な画像寄りであることがわかります。コミュニティには成人向けテーマの LoRA も存在しますが、品質や出所はまちまちなので慎重に確認してください。人気の成人向けジャンルは、水着グラビア、ピンナップポスター、明らかに成人のキャラクターによるファンタジー表紙などです。セットアップを省きたいなら、Spicy AI でブラウザから同様の無修正画像生成ができます。
水着グラビア
成人モデルによる陽光あふれるビーチやプールでの撮影に、雑誌タイトルを重ねて。
ピンナップポスター
成人キャラクターのレトロなピンナップに、キャッチコピーの文字をきちんと配置。
ファンタジー表紙
成人の英雄や魔女を描いた、読みやすいタイトル入りの書籍・ゲーム表紙。
- 8ステップ版で探索し、気に入ったものをフルステップでレンダリングしましょう。
- 表示したい文字はすべて引用符で囲み、配置場所も指定しましょう。
- 登場人物は全員成人(18歳以上)であると明記し、実在の人物を本人の同意なく描かないでください。
GPU もダウンロードも不要。ブラウザで成人向けテーマの画像を作成できます。
画像ジェネレーターを開く →公開1か月でコミュニティが作っているもの
数字がすべてを物語っています。公開直後の SFT ページのいいねは約130件でしたが、1か月後には SFT ページのいいねが900件を超え、モデルツリーには48個の量子化ファイルと数十のアダプター、GitHub のスターは約2.6kに達しました。共有されている MOSS-Image-SFT 画像の多くはいくつかのグループに分かれます。レトロな旅行ポスター、バイリンガルの雑誌表紙、手書きメモやホワイトボードのミーム、タグプロンプトによるアニメキャラクター、そしてネットショップ向けの雰囲気ある商品写真です。
- 大きく読みやすいタイトルのレトロポスター
- バイリンガルの表紙とイベントチラシ
- 手書きメモ、レシート、ホワイトボードのネタ
- booru 風タグから生まれたアニメキャラクター
- ブランド風ラベル付きの商品写真
MOSS-Image-SFT のセルフホスト vs Spicy AI でのオンライン生成
| ローカル環境(配布ウェイト) | Spicy AI オンライン | |
|---|---|---|
| コンテンツフィルター | ローカル実行時はなし | コンテンツフィルターなし |
| オープンウェイト | あり | 不要 — ブラウザで動作 |
| モデル | SFT チェックポイント+コミュニティ製アドオン | 同様の無修正画像モデルをオンラインで提供 |
| 始めるための費用 | 自前の GPU | 無料プランあり |
よくある質問
MOSS-Image-SFT と Base の違いは何ですか?
SFT は Base を厳選データでファインチューニングしたもので、そのままでもより良い画像を生成し、文章・タグ・JSON を読み取れます。Base は事後学習なしで、LoRA の学習に向いています。OpenMOSS は数値による比較を公表していません。
50ステップを使う必要がありますか?
50ステップは開発元の推奨値です。lodestones によるコミュニティの8ステップ DMD 版を使えば大幅に短縮できます。開発元の DMD 版はまだ開発中です。
縦縞やバンディングはどう直せばいいですか?
コミュニティ製の MOSS-Image-SFT-DeBand LoRA を ComfyUI プリセットと一緒に試すか、skip-layer guidance の設定をいろいろ調整してみてください。
GPU が BF16 に対応していません。それでも動かせますか?
はい。KBlueLeaf によるコミュニティ製の MOSS-Image-FP16-fixed ウェイトは、FP16 のみ対応のカード向けに作られています。
中国語の文字を書けますか?
はい。中国語と英語の長文を描画でき、技術レポートでは LLTB ベンチマークで平均96.3%のカバー率を記録しています。正確に改行したい場合は、引用内に \n を入れてください。
アニメタグは使えますか?
はい。推奨される順番は、品質、スコア、メタ、年、キャラクター、作品、アーティスト、そして一般タグです。
Spicy AI は OpenMOSS と提携していますか?
いいえ。Spicy AI は独立したプラットフォームであり、OpenMOSS と提携しておらず、承認も受けていません。モデル名は各権利者の商標です。
出典
- MOSS-Image-SFT モデルカード(Hugging Face)
- MOSS-Image-Base モデルカード(Hugging Face)
- OpenMOSS リポジトリ(GitHub)
- ユーザーガイド:プロンプトと設定(GitHub)
- 技術レポート(arXiv 2610.23374)
- 8ステップ DMD 蒸留版(lodestones)
- DeBand LoRA(MATLOWAI)
- FP16-fixed ウェイト(KBlueLeaf)
- ComfyUI-Spectrum-MOSS ノード
- KohakuMossTrainer
- 開発元のオンラインデモ(Hugging Face Space)
- SGLang デプロイレシピ
- vLLM-Omni レシピ
