MOSS-Image Rapid-MOSS SFT 4-Step | Texto2Imagem Rápido

MOSS-Image Rapid-MOSS SFT 4-Step fluxo de trabalho de texto para imagem#

Este fluxo de trabalho ComfyUI oferece geração de texto para imagem rápida e de alta qualidade com MOSS-Image-SFT combinado ao adaptador Rapid-MOSS de 4 etapas e seu amostrador dedicado. O pipeline MOSS-Image Rapid-MOSS SFT 4-Step é ajustado para velocidade enquanto preserva a fidelidade do prompt, tornando-o ideal para retratos fotográficos, cenas ilustradas, conceitos de personagens originais e ideação arquitetônica em estágio inicial.

Tudo está configurado para que você possa digitar um prompt, escolher um tamanho e renderizar em apenas quatro etapas. O adaptador fornece seu próprio amostrador e cronograma de ruído, enquanto a orientação livre de classificadores é agendada para manter os resultados estáveis em contagens de etapas tão baixas. Se você deseja um motor de ideação rápida no ComfyUI que ainda respeite prompts detalhados, este fluxo de trabalho MOSS-Image Rapid-MOSS SFT 4-Step é feito para você.

Modelos principais no fluxo de trabalho Comfyui MOSS-Image Rapid-MOSS SFT 4-Step#

• MOSS-Image-SFT por OpenMOSS-Team. O modelo principal de texto para imagem que interpreta seu prompt e sintetiza uma imagem no espaço latente. Ele fornece o UNet e o codificador de texto usados ao longo deste fluxo de trabalho. OpenMOSS-Team/MOSS-Image-SFT
• Adaptador Rapid-MOSS 4-step LoRA. Um adaptador leve que permite amostragem confiável de quatro etapas e expõe um amostrador correspondente e cronograma de sigma para melhores resultados com MOSS-Image-SFT. darask0/MOSS-Image_4-step_adapter_lora
• MOSS Image VAE. O autoencoder variacional usado para decodificar latentes do modelo em imagens RGB com cor e tom fiéis. Pesos pré-embalados adequados para ComfyUI são fornecidos aqui. nif0/MOSS-Image-SFT-ComfyUI
• Utilitários de orientação ComfyUI-KJNodes. Este fluxo de trabalho depende de orientação livre de classificadores agendada para resultados estáveis em quatro etapas. Implementação de referência e documentação estão aqui. kijai/ComfyUI-KJNodes

Como usar o fluxo de trabalho Comfyui MOSS-Image Rapid-MOSS SFT 4-Step#

O gráfico flui do carregamento do modelo e do tokenizador para a codificação do prompt, depois em um amostrador de 4 etapas alimentado por Rapid-MOSS, e finalmente na decodificação VAE e salvamento. As etapas abaixo fazem referência a nós principais por seus nomes na tela.

Carregadores de modelo e tokenizador#

• MOSSImageUNETLoader (#11) carrega o UNet MOSS-Image-SFT que realmente remove o ruído dos latentes. Trate isso como o motor que aprende a transformar ruído em estrutura que corresponda ao seu texto.
• MOSSImageCLIPLoader (#10) fornece o codificador de texto MOSS-Image para que seu prompt possa ser transformado em embeddings que o UNet entende. Mantenha isso emparelhado com a mesma família de modelos que o UNet para evitar incompatibilidades.
• VAELoader (#12) traz o MOSS VAE que converterá latentes sem ruído em pixels no final. Esta separação mantém a amostragem rápida e a decodificação precisa.

Prompting e condicionamento#

• Prompt (#3) é onde você digita seu prompt de texto. O nó codifica sua descrição em embeddings; clareza e especificidade aqui influenciam fortemente a composição, o assunto e o estilo.
• ConditioningZeroOut (#14) fornece o ramo incondicional para orientação livre de classificadores. Ele age como um prompt negativo vazio; se você preferir negativos personalizados, substitua-o por outro codificador de texto e conecte-o à entrada negativa de orientação.

Adaptação e amostragem rápida de 4 etapas#

• RapidMOSSAdapter (#2) anexa o Rapid-MOSS 4-step LoRA ao modelo base e gera um pacote de sampler e sigmas correspondente. Manter esses juntos garante que o cronograma e o removedor de ruído estejam alinhados para resultados estáveis em quatro etapas.
• ScheduledCFGGuidance (#13) envolve o modelo e aplica orientação livre de classificadores com um cronograma consciente do tempo. Isso ajuda a imagem a seguir seu prompt sem ultrapassar ou perder detalhes em um cronograma tão curto.
• RandomNoise (#5) semeia a geração para resultados reproduzíveis ou variados. Fixe a semente para iterar na composição ou randomize para explorar alternativas rapidamente.
• EmptyFlux2LatentImage (#6) define o tamanho da tela criando um latente em branco na largura e altura escolhidas. Tamanhos maiores capturam mais detalhes, mas podem ser mais difíceis de compor em quatro etapas; comece próximo à sua proporção de aspecto alvo e refine.
• SamplerCustomAdvanced (#7) realiza a remoção de ruído real de quatro etapas. Ele leva o ruído, o modelo envolto em orientação e o sampler e sigmas do Rapid-MOSS para que o cronograma e o preditor sejam exatamente o que o adaptador espera.

Decodificar e salvar#

• VAEDecode (#8) converte o latente final em uma imagem usando o VAE MOSS carregado. É aqui que cor, textura e detalhes finos se tornam visíveis.
• SaveImage (#9) grava o resultado no disco com um prefixo claro para que você possa rastrear saídas do fluxo de trabalho MOSS-Image Rapid-MOSS SFT 4-Step. Reexecute com novas sementes para construir rapidamente uma prateleira de opções.

Nós principais no fluxo de trabalho Comfyui MOSS-Image Rapid-MOSS SFT 4-Step#

RapidMOSSAdapter (#2)#

Este nó é o coração da abordagem MOSS-Image Rapid-MOSS SFT 4-Step. Ele injeta o Rapid-MOSS LoRA no UNet e publica o sampler e sigmas dedicados que fazem a amostragem em quatro etapas funcionar. Ajuste steps apenas quando tiver uma razão para divergir; o adaptador é projetado em torno de 4. Ajustar lora_strength permite equilibrar a adesão estrita ao comportamento de 4 etapas contra uma sensação de remoção de ruído mais geral e solta.

ScheduledCFGGuidance (#13)#

Este invólucro de orientação aplica orientação livre de classificadores com um cronograma ao longo do curto trajeto, melhorando a fidelidade do prompt sem desestabilizar a imagem. Aumente cfg para uma atração mais forte do prompt e sujeitos mais nítidos, ou diminua para evitar saturação excessiva e artefatos em cenas complexas. Se você mudar a janela do cronograma, mantenha-a consistente com o horizonte de quatro etapas para que a orientação permaneça suave.

EmptyFlux2LatentImage (#6)#

Use isso para definir o tamanho de saída e a proporção de aspecto antes da amostragem. Prefira dimensões que se alinhem a passos comuns de difusão e mantenha proporções de aspecto razoáveis para seu assunto para reduzir o alongamento. Ao iterar, fixe o tamanho enquanto explora sementes para que as diferenças de composição sejam atribuíveis ao ruído em vez de mudanças na tela.

SamplerCustomAdvanced (#7)#

Este amostrador consome o sampler e sigmas do adaptador e executa as quatro etapas de remoção de ruído. Não substitua por amostradores ou cronogramas não relacionados, a menos que você também altere o adaptador, pois o emparelhamento é o que oferece velocidade e estabilidade. Para variações, mantenha o par amostrador-cronograma intacto e altere apenas a semente, o prompt ou a orientação.

Prompt (#3)#

Suas palavras se tornam embeddings aqui. Comece com o assunto, depois adicione composição e iluminação, e termine com dicas de estilo. Mantenha conciso e concreto para ajudar o pipeline MOSS-Image Rapid-MOSS SFT 4-Step a resolver uma estrutura confiante em muito poucas etapas.

Extras opcionais#

• Para retratos, especifique enquadramento, dicas de lente e iluminação; para cenas ilustradas, inclua dicas de meio e paleta.
• Se desejar um prompt negativo personalizado, substitua ConditioningZeroOut (#14) por outro CLIPTextEncode e conecte-o à entrada negativa de ScheduledCFGGuidance (#13).
• Bloqueie uma semente em RandomNoise (#5) para iterar na redação; desbloqueie para explorar variações rápidas.
• Comece com orientação moderada em ScheduledCFGGuidance (#13); aumente apenas se a imagem se desviar do prompt.
• Mantenha o emparelhamento de quatro etapas do adaptador intacto em RapidMOSSAdapter (#2) e SamplerCustomAdvanced (#7) para o melhor equilíbrio de velocidade e qualidade.

Agradecimentos#

Este fluxo de trabalho implementa e se baseia nos seguintes trabalhos e recursos. Agradecemos ao OpenMOSS-Team pelo MOSS-Image-SFT, darask0 pelo adaptador de quatro etapas Rapid-MOSS e nós do ComfyUI, e nif0 pelos arquivos de modelos quantizados MOSS-Image-SFT por suas contribuições e manutenção. Para detalhes autoritativos, consulte a documentação original e repositórios vinculados abaixo.

Recursos#

• OpenMOSS-Team/MOSS-Image-SFT
  • GitHub: OpenMOSS/MOSS-Image
  • Hugging Face: OpenMOSS-Team/MOSS-Image-SFT
  • arXiv: 2610.23374
• darask0/MOSS-Image_4-step_adapter_lora
  • Hugging Face: darask0/MOSS-Image_4-step_adapter_lora
• nif0/MOSS-Image-SFT-ComfyUI
  • Hugging Face: nif0/MOSS-Image-SFT-ComfyUI
• r/comfyui/The Greatest Model Ever: MOSS-Image-SFT at 4 steps (workflow discussion)
  • Docs / Release Notes: Reddit post

Nota: O uso dos modelos, conjuntos de dados e código referenciados está sujeito às respectivas licenças e termos fornecidos por seus autores e mantenedores.