Moss Image: генерация картинок на 4 ГБ видеопамяти

Что в ролике
Moss Image — это открытая текст-в-изображение модель на 5 млрд параметров, которая умещается в 4 ГБ видеопамяти и работает офлайн бесплатно. Модель знает многих знаменитостей, аниме- и игровых персонажей, бренды и модели автомобилей без дополнительных LoRA или референсов, а также хорошо генерирует текст, диаграммы и инфографику. По качеству она уступает более крупной Crea 2 (примерно вдвое больше параметров), но в своём весовом классе обходит ближайшего конкурента Z-Image на 6 млрд параметров. Автор показывает установку через ComfyUI: нужно выбрать шаблон MOSS Image SFT, скачать diffusion-модель, текстовый энкодер и VAE, после чего генерация квадратного изображения 1024×1024 на RTX 5000 ADA с 16 ГБ заняла около 25 секунд. Для контроля композиции есть workflow с ограничивающими рамками: вы рисуете прямоугольники и подписываете, что в каждом (красный диван, чашка кофе, T-Rex за окном), и модель собирает сцену точно по этим зонам. Качество можно улучшить через LoRA (например, Sumi-ink стиль) или дообученные чекпоинты вроде Chromos, а ускорить генерацию в 3–4 раза — подключив DMD 8-step LoRA и снизив число шагов с 25 до 8 при CFG=1. Редактирование картинок — только классический инпейнтинг: маской выделяется область, и модель заменяет её по текстовому описанию, как в примере с ноутбуком, который стал спящей кошкой.
Практика
- Что получишь
- Вы сможете запустить на своём компьютере бесплатную генерацию изображений, управлять композицией через рамки и ускорять её до 3–4 раз, а при желании — добавлять собственные стили через LoRA.
- Первый шаг
- Установите или обновите ComfyUI до последней версии, затем в разделе Templates найдите шаблон MOSS Image SFT и скачайте предложенные модель, текстовый энкодер и VAE.
- Цифры
- —5 млрд параметров — размер модели Moss Image
- —4 ГБ видеопамяти — минимальный объём VRAM, на котором модель может работать
- —25 секунд — время генерации квадратного изображения 1024×1024 на RTX 5000 ADA с 16 ГБ
- —8 шагов вместо 25 — столько нужно для DMD-ускорения, дающего прирост скорости в 3–4 раза
- Честно
- В середине ролика — спонсорская вставка Higsfield Katana со ссылкой в описании, автор также зовёт подписаться на бесплатную рассылку. Все файлы модели и LoRA бесплатны, но точные названия узлов, настройки соединений и триггерные слова для LoRA видны только на экране, поэтому по тексту повторить установку без видео будет сложно. Редактирование через инпейнтинг в MOSS Image заметно уступает нативным возможностям Qwen Image 2.1 или Nano Banana.
Если слова незнакомы — 6 терминов
- ComfyUIбесплатная визуальная платформа для запуска генеративных моделей на своём компьютере
- LoRAнебольшое дополнение к модели, которое добавляет персонажа, стиль или эффект без полного переобучения
- VAEчасть модели, которая переводит скрытое представление картинки в обычное изображение
- инпейнтингзамена выделенной области изображения сгенерированным содержимым по текстовому описанию
- CFGпараметр, задающий, насколько строго модель следует текстовому описанию
- чекпоинтфайл с обученной моделью или её дообученной версией, который можно загрузить и использовать
Связки из этого ролика
3 шт.- MOSS Image + ComfyUI
- MOSS Image + LoRA
- Higsfield Katana + Claude
Компоненты
5 шт.Формат: пошаговый урок · для практикующих · уверенность разметки 0.9 · источник