MOSS-Image без цензуры: открытые веса, которые ставят текст точно туда, куда нужно

Почему на него смотрят дизайнеры и продавцы

MOSS-Image — это открытый генератор изображений, который наконец-то воспринимает слова как часть картинки. Напишите заголовок, цену или записку в кавычках, и она появится в изображении читаемой, на английском или китайском, ровно там, где указывает макет. Одно это умение превращает забавную игрушку в рабочий инструмент для магазинов, студий и SMM-команд. Веса можно бесплатно скачать и запускать на своей видеокарте, так что нет платы за каждое изображение и нет онлайн-фильтра между промптом и результатом.

Читаемый китайский и английский текст прямо на картинке

Большинство открытых моделей изображений до сих пор искажают надписи, и сильнее всего страдают китайские иероглифы. MOSS-Image обучали отрисовывать оба языка, и официальные примеры делают на этом ставку: рукописная записка на китайском на холодильнике со списком покупок — молоко, яйца, хлеб, — исписанные доски, вывески магазинов и заголовки постеров. Приём простой: заключите нужные слова в кавычки и укажите, где они находятся и как выглядят, например "a bold red headline reading \"SUMMER SALE\" across the top". Короткие фразы получаются чище абзацев, а в официальных сравнениях чекпоинт SFT группирует и выравнивает текст аккуратнее, чем Base.

• Заключайте в кавычки каждое слово, которое должно быть напечатано, на нужном языке.
• Опишите поверхность: стикер, неоновая вывеска, меловая доска, обложка журнала.
• Назовите стиль надписи: рукописный, жирный гротеск, каллиграфия кистью.
• Делайте каждый текстовый блок коротким; длинный текст разбивайте на несколько подписанных элементов.

Где модель сильна: постеры, баннеры магазинов и инфографика

Поскольку сильные стороны модели — слова и их размещение, она подходит для задач, где одной красивой картинки мало. Онлайн-продавцы делают макеты баннеров с ценником в углу, SMM-специалисты набрасывают обложки с двуязычными заголовками, а авторы коротких сериалов и веб-комиксов рисуют постеры и панели с уже размещёнными репликами. Преподаватели и маркетологи используют её для объясняющих схем на доске и инфографики, рестораны — для меню и вывесок, а бренд-команды — для серий единообразных макетов, где меняется только заголовок.

Как на этом зарабатывают: баннеры, меню и тесты рекламы

Больше всего выигрывают небольшие команды, которым нужно много картинок с текстом и быстро. Интернет-магазин за полдня набрасывает промо-баннеры на неделю: товар в центре, скидка на стикере, заголовок на двух языках. Агентства используют один и тот же JSON-макет, чтобы выпускать десятки вариантов объявлений, меняя только слоган, и это удешевляет A/B-тесты. Кафе и рестораны верстают меню и доски с предложениями, типографии предлагают постеры на заказ, а студии веб-комиксов и коротких сериалов делают черновики обложек с уже расставленным названием, прежде чем дизайнер доведёт файл до финала.

Что говорит сообщество и что люди с ним делают

На Civitai, где авторы делятся изображениями и моделями, первые комментарии в основном восторженные. Один пользователь назвал его одной из самых «эрудированных» открытых моделей для реалистичных картинок и похвалил за то, что она одинаково хорошо справляется с аниме и фотостилем. Другие указали на слабые места: руки и конечности иногда выходят неправильно, стилевые теги с именами художников почти не работают, а настройки по умолчанию медленные; один пользователь писал о более чем 100 секундах на картинку, пока турбо-LoRA от сообщества не сократила время примерно в десять раз ценой чуть более гладкой кожи. Через десять дней после релиза у репозитория на GitHub было около 1,9 тыс. звёзд, а у страницы модели Base — 556 лайков. Что публикуют? Выдуманные ретро-плакаты о путешествиях, двуязычные обложки журналов, рукописные записки на холодильнике и доски, мемы со встроенной подписью, листы персонажей аниме с именами и гламурные пляжные съёмки взрослых моделей.

• Ретро-плакаты путешествий и фильмов с крупными читаемыми названиями
• Двуязычные китайско-английские обложки журналов и соцсетей
• Рукописные записки, чеки и шутки на доске для мемов
• Листы персонажей аниме с подписанными именами и характеристиками
• Съёмки в купальниках и пин-ап взрослых моделей с журнальными надписями

Примеры промптов MOSS-Image для копирования

Модель понимает три стиля промптов, и каждый подходит для своей цели. Обычные предложения лучше всего работают для фото и постеров, списки тегов привычны пользователям аниме-моделей и LoRA от сообщества, а JSON нужен для строгих макетов. Начните с этих шаблонов, зафиксируйте seed и меняйте по одной детали за раз:

• Естественный язык: "A cozy kitchen at morning, a handwritten note on the fridge reading \"milk, eggs, bread\", warm sunlight, photorealistic."
• Постер: "Retro travel poster of a seaside town, large title \"VISIT CAPRI\" at the top in cream serif letters, grainy print texture."
• Теги: "adult woman, beach, sunset, bikini, film grain, 35mm, golden hour" (только взрослые персонажи).
• Инфографика: "Clean whiteboard with three numbered steps titled \"How to brew coffee\", simple marker drawings, flat lighting."
• Двуязычная обложка: "Magazine cover, Chinese headline in bold brush strokes, English subtitle \"Night Market Guide\" below, neon street at night."

JSON-промпты для макета: заголовки и товары по координатам

Именно режим JSON выделяет эту модель среди других. Вместо того чтобы надеяться, что заголовок окажется сверху, вы описываете всю сцену в сводке, а затем перечисляете элементы — у каждого есть метка, описание, ограничивающая рамка и необязательный текст. Рамки задаются в порядке yxyx (верх, лево, низ, право) в пиксельных координатах, отсчитываемых от центра холста, поэтому на изображении 1024 на 1024 каждая ось идёт от -512 до 512, а числа должны соответствовать размеру генерации. OpenMOSS пока называет макеты экспериментальной функцией, так что будьте готовы подвинуть одну-две рамки. Стартовый шаблон:

{
  "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"
}

Названия полей соответствуют руководству по макетам в официальном репозитории GitHub; официальный навык Prompt Enhancer также умеет развернуть одно предложение в подробное описание или макет.

MOSS-Image без цензуры? NSFW-LoRA и контент для взрослых

При локальном запуске у открытых весов нет онлайн-фильтра: ничто не проверяет ваш промпт или готовое изображение, так что вы сами решаете, что рисует модель. OpenMOSS не выпускала NSFW-чекпоинт и не описывает, как фильтровались обучающие данные, поэтому откровенные детали зависят от дополнений сообщества. По пересказу AlphaSignal, уже через несколько дней появилась "Moss-image-nsfw-uncensored-lora" с триггерным словом moss_xvstyle, которая работает с Base и SFT; на страницах Hugging Face или Civitai это не подтверждено, так что относитесь к информации осторожно. Популярные взрослые направления — съёмки в купальниках и белье, пин-ап постеры и фэнтезийные обложки с явно взрослыми персонажами. Если не хотите возиться с настройкой GPU, Spicy AI предлагает похожую генерацию изображений без цензуры прямо в браузере.

1. Пишите нужные слова в кавычках и указывайте, где они должны находиться.
2. Используйте теги для внешности персонажей, а полные предложения — для света и настроения.
3. Зафиксируйте seed и меняйте одну деталь за запуск.
4. Указывайте, что все изображённые — взрослые (18+), и никогда не изображайте реальных людей без их согласия.

SFT или Base: какой чекпоинт выбрать

Оба чекпоинта используют одну и ту же архитектуру на 5B, но настроены для разных пользователей. SFT прошёл supervised fine-tuning на отобранных данных, и официальные сравнительные изображения показывают более аккуратную группировку текста и чистые макеты страниц, — так что его стоит загружать, если вам просто нужны хорошие картинки. Base пропускает это постобучение и остаётся ближе к исходной модели, поэтому лучше подходит как основа для LoRA и полного дообучения.

Как запустить: Hugging Face, ComfyUI, diffusers и API

Есть четыре простых пути. Быстрее всего протестировать модель в бесплатном Hugging Face Space от OpenMOSS-Team. Для локальной работы ComfyUI поддерживает модель нативно в актуальных nightly-сборках: используйте перепакованные файлы от Comfy-Org со встроенными загрузчиками, а плагин из официального репозитория по-прежнему пригодится для загрузки папок diffusers. Разработчики могут загрузить веса в diffusers 0.38 или новее с кастомным pipeline_moss_image и trust_remote_code, на Python 3.10+ и PyTorch 2.9+ с GPU NVIDIA. Командам, которые не хотят ничего хостить, подойдёт вызов через платформу MOSI API.

• Сэмплирование по умолчанию: 50 шагов, CFG 3, shift 5, flow-matching Euler.
• Ширина и высота должны быть кратны 16; в официальных примерах используются 1024x1024 и 1456x1456.
• Guidance выполняет два прохода на шаг, поэтому модель медленнее дистиллированных.
• Дистиллированная 8-шаговая DMD-версия от сообщества жертвует частью качества ради гораздо более быстрых черновиков.

VRAM, скорость и квантованные версии

OpenMOSS не публикует минимальные требования к VRAM. Вместо этого в демо на Gradio есть три режима памяти: GPU resident держит всё на видеокарте ради скорости, Component перемещает части между CPU и GPU, а Sequential — экономный по памяти запасной вариант, который работает медленнее всех. Если появляются ошибки нехватки памяти, переключитесь на Sequential, уменьшите разрешение или попробуйте квантованный файл. На Hugging Face перечислено 13 квантованных производных модели Base от сообщества; проверяйте в карточке каждой модели формат, например GGUF или FP8, и нужный загрузчик, потому что качество и поддержка различаются от файла к файлу.

Обучите свой стиль с KohakuMossTrainer

Именно в дообучении открытые веса раскрываются в полной мере. KohakuMossTrainer, вышедший через два дня после релиза, поддерживает полное дообучение и адаптеры LyCORIS или LoRA для обоих чекпоинтов, а в README сказано, что адаптеры можно обучать всего на 6 ГБ VRAM. DiffSynth-Studio также поддерживает полное дообучение и LoRA. За десять дней на Hugging Face уже насчитывался 41 адаптер и 36 дообученных моделей на основе Base — от художественных стилей до исправлений вроде DeBand LoRA от сообщества, которая сглаживает цветовой бандинг. Обучайте на Base, пишите подписи в том же стиле, в каком будете писать промпты, и включайте текст, которому должна научиться LoRA.

Сравнение с FLUX.2, Qwen-Image и Z-Image

Официального бенчмарка, сравнивающего эти модели напрямую, пока нет, так что считайте это практическим сравнением, а не таблицей баллов. Явные различия — в размере, управлении макетом и редактировании:

Размеры взяты из публичных заметок о релизе каждой модели; опубликованного количественного бенчмарка для этой модели пока нет.

Источники

• Карточка модели Base (Hugging Face)
• Карточка модели SFT (Hugging Face)
• Репозиторий OpenMOSS и руководство по макетам (GitHub)
• Технический отчёт (arXiv 2610.23374)
• Официальное онлайн-демо (Hugging Face Space)
• Веса в формате ComfyUI (Comfy-Org)
• Комментарии сообщества (архив Civitai)
• Сообщение о NSFW-LoRA от сообщества (AlphaSignal, не подтверждено)

Другие руководства по моделям изображений без цензуры

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