各位，我们迎来了一个新的开源图像生成器，这绝对是其参数量级中表现最好的模型。它拥有海量的知识储备，能够生成各种各样的内容，包括带有文字的复杂信息图表和示意图。此外，你还能用它生成特定的农作物图像。最棒的是它非常小巧，甚至可以在4GB或更少的显存下运行。因此，它被称为Moss Image。在这段视频中，我们将展示一些演示案例，当然，我也会教大家如何安装它，以及如何进一步自定义。比如如何让运行速度更快、画质更好，甚至如何利用它进行图像编辑等更多内容。所以，让我们直接进入正题。首先来看看它的规格参数。这是一个非常小巧的50亿参数量图像生成器。
量化后的版本足够小，甚至可以安装在低端消费级显卡上。请注意，这仅仅是一个文生图模型。因此，你无法像使用Quinn Image 2.1或Nano Banana那样通过自然语言对图像进行语义编辑。但在视频后半部分，我会展示一些技巧来让Moss实现图像编辑功能。值得一提的是，它还支持布局控制。你可以在画布上绘制方框来控制画面中元素的精确构图位置。首先，这里有一些示例供你参考。请注意，它能生成非常逼真的图像，在动漫风格上也表现出色，对不同艺术风格的驾驭能力也很强。你还可以让它生成超宽或超高的图像，无需遵循传统的宽高比。
Moss Image内部蕴含着惊人的知识储备。这里有一些它开箱即知的名人示例，你甚至不需要添加LoRA或参考图片。还有一些动漫角色的例子，以及游戏角色。最后，这里还有我对各种品牌和汽车型号的测试。令人印象深刻的是，它将如此庞大的知识压缩在50亿参数中。它在生成文字方面绝对令人惊叹。以下示例完全由MOSS生成，你可以轻松让它生成包含大量不同元素、带有文字的图表或信息图。如果我们将它与当前领先的开源文生图模型Crea 2相比，至少在我的初步测试中，Crea 2的表现更好。但这很正常，因为Crea 2的体积是Moss Image的两倍多，所以画质稍好也是预期的。
但是如果你无法在显卡上运行Crea 2，或者希望生成图像的速度更快，那么Moss Image绝对是其参数量级中的最佳模型。它似乎比最近的竞争对手Z image（拥有60亿参数）具有更好的理解力和更多的灵活性。但在50亿参数量下，你可以看到MOSS Image极其强大。如果这引起了你的兴趣，接下来我们将介绍如何在电脑上免费、无限次离线安装并运行它。虽然有多种在本地使用Moss Image的方法，但最简单且最可定制的方式是使用一个名为Comfy UI的平台。如果你没听说过这个平台，它是在电脑上运行开源图像、视频和音频生成器最流行且免费的工具之一。
事实上，如果你不熟悉它，请先观看我介绍如何安装和使用Comfy UI的视频。假设你已经安装了Comfy UI，第一步是将其更新到最新版本。我使用的是Windows便携版，这是推荐的版本。我只是简单地点击进入“update”文件夹，然后点击“update_comfy.bat”。这将打开一个终端窗口来更新我的Comfy UI到最新版本。让我们给它几分钟时间运行。好了，之后按任意键继续以自动退出终端。接下来我们可以打开Comfy UI了。让我启动它，然后在左侧边栏点击“Templates”。在顶部输入MOSS，你应该能看到这些Moss Image的工作流。
请注意，实际上有两个不同版本的Moss Image：一个是专门用于图像生成的MOSS Image SFT版本；另一个是更侧重于进一步训练和微调的MOSS Image Base基础版。如果你只是生成图像，我强烈建议你使用这个Moss Image工作流。让我快速展示一下。之后我也会介绍那个布局引导的工作流，它允许你通过边界框控制图像的构图。但现在，让我们点击这个文生图工作流。你应该会看到这样的界面。刚开始时，你可能会发现一些缺失的模型。你可以简单地点击这里的“Download”让它自动下载模型。但我更喜欢做的是进入文件夹，手动选择正确的模型进行下载。让我快速展示一下操作过程。
我会在下方的描述中链接到该页面。首先，我们需要点击进入Diffusion Models（扩散模型）。再次注意，这里有两种类型的Moss Image模型：基础版主要用于训练和微调。如果你只是用于图像生成，我强烈建议使用SFT模型。这个版本有两个不同的变体：一个是全BF-16精度版本，大小为10GB。这意味着画质更高，但体积几乎是另一个版本的近两倍，即更压缩的INT8量化版本。后者画质略低，但可以适应较低的显存需求。这取决于你拥有的显存大小。如果你有超过8GB的显存，可以尝试全BF-16版本以获得更好的画质。
无论如何，我将下载这个INT8量化版本。让我点击下载。它会被放入Comfy UI的models文件夹下的diffusion_models中，点击保存即可。好了，之后我们还需要下载文本编码器（Text Encoder）。让我点击下载按钮。这里提供了三个不同的版本：一个全BF-16版，接着是一个中等大小的INT8版，然后是最小的W4.8量化版本。当然，最大的那个能提供最好的画质，但你需要更多的显存来容纳它。对我来说，我只选择最小的版本，它的画质依然相当不错。所以我点击下载。它会放入Comfy UI的models文件夹下的text_encoders中。
编码器部分点击保存。最后，我们还需要下载该模型的 VAE。让我进入这个文件夹，这里有两个版本：完整版和一个较小的 250MB 版本。我将下载较小那个，将其放入 ComfyUI 的 models/VAE 文件夹中并保存。下载完所有内容后，只需按 R 键刷新模型列表即可。
向下滚动，点击下拉菜单选择相应的模型。第一个下拉框我选择了下载的 Moss Image 模型；CLIP 部分我选择 Qwen 3.59B；VAE 则选择 flux_vae_small。基本设置就是这样，让我们快速浏览一下界面。这里可以设置宽高比和像素大小（100万像素约为 1024x1024）。
在提示词输入框中描述你想要的图像。如果将增强开关设为开启，AI 会进一步优化你的提示词，理论上能生成更高质量的图片。下方的负向提示词用于描述你希望从图像中排除的元素。
再往下是标准的采样器设置，首先是种子值（Seed），这是图像的唯一 ID。如果保持所有设置、提示词和种子不变，生成的图像将完全相同。若想保留提示词但生成不同的画面，只需更改种子数值即可得到细微差异的结果。
步数（Steps）决定了生成的迭代次数，通常步数越多质量越高，但在 40-50 步后提升不明显。当然，步数越多生成时间越长。CFG Scale（提示词相关性）控制 AI 对提示词的遵循程度，若发现图像未完全符合描述，可适当调高此值。
采样器和调度器（Sampler & Scheduler）是生成图像使用的算法，类型众多，大家可以自由尝试。我保持默认设置即可。现在点击运行，看看在我的显卡上需要多久。注意我使用的是显存仅 16GB 的 RTX A5000 Ada。
生成速度相当快，仅耗时约 25 秒。结果如下：非常简洁的图文生成演示。接下来，让我再次调出模板界面，在顶部输入“moss”。下面我将展示如何使用边界框来控制构图。这里有两个工作流可选：一个是基于基础模型，主要用于微调；另一个则是直接生成图像的首选。
我选择后者进入工作流界面。如果你按照之前的教程下载了模型，这里应该已经就绪。需要注意的是，部分用户可能会看到“Bounding Boxes Node 2.0 only”的提示。遇到这种情况时，请点击左下角设置，在顶部开启“Enable Nodes 2.0”选项。
开启后，你应该能看到如下的边界框布局界面。接下来讲解设置：首先选择分辨率（像素大小）。接着利用边界框控制图像构图。绘制方框后，你可以移动元素位置或点击并按 Delete 键删除特定元素。
为了从头开始演示，我先清空所有框。我在左侧画一个框并输入“穿着比基尼坐在沙发上的美丽女性”。接着在下方添加红色沙发的描述，再画一个框输入“带有室内植物的茶几”，随后拖动元素并标注“抬起的右脚”。
继续添加细节，在另一处框内输入“窗外有霸王龙”，再画一个框描述“手持可乐罐的手”。最后在墙上添加一张海报，输入“墙上的阿鲁达（Aruda）海报”。在底部的大框中，我填入对整个场景的综合描述。
设置与之前相同（种子、步数等），点击运行看看效果如何。结果出来了：确实有一位穿比基尼的女性，手中拿着可乐罐（注意可乐标志是正确的中文）。她的右脚抬起，旁边有红色沙发、摆放植物的茶几。
背景中还有阿鲁达海报和窗外的霸王龙，所有元素都完全符合我的提示词。这就是使用 Moss Image 进行布局控制的方法。如果你从事任何类型的内容创作，务必关注本视频赞助商 Higsfield。他们刚刚推出了 Higsfield Katana 工具。
Katana 是一款全新的 AI 视频编辑工具，直接在 Claude 中运行，允许你用自己的角色、产品或素材重现几乎任何病毒式传播的视频。最棒的是，你不需要具备视频剪辑技能。例如，如果你在 TikTok 或 Instagram 上发现一段很酷的片段想用自己的形象重现。
只需上传参考视频和几张你的照片，然后告诉 Claude 使用 Katana 进行重现。它会自动逐镜头重建原始视频，包括运镜、转场、色彩、文字甚至音频。你可以替换角色、物体或背景，或者编辑任何你喜欢的部分。
令人印象深刻的是其后台工作原理：Claude 会分析参考视频并确定如何重建每一个镜头。Higsfield 随后生成缺失的画面素材，并将所有内容自动整合成一部完整的视频。你还可以从现成的预设库中选择，包括电影动作场景、动漫风格剪辑、旅行蒙太奇等。
如果你想尝试实验，可以使用不同的人物、产品或图片创建同一视频的不同版本。
所以，如果你想大规模地创作内容，Higsfield Katana 让整个过程变得极其简单。只需将 Higsfield 连接到 Claude，输入 /katana，然后开始创作即可。请使用下方描述中的链接查看。现在，Moss Image 已经非常灵活了。它对不同的艺术风格和角色有着惊人的理解能力，但你还可以在此基础上添加 LoRA 以获得更多的灵活性。
如果你不熟悉“LoRA”这个词，它基本上是一种较小的微调模型，你可以将其添加到工作流程中，例如为图像添加特定角色、效果或艺术风格。比如，有一个针对《电锯人》的 LoRA；另一个是针对《Re:从零开始的异世界生活》动漫风格的 LoRA；还有一个针对“白皙皮肤和红发”的 LoRA，以及另一个针对逼真皮肤的。此外这里还有一些不同的动漫风格。
对我来说，我想尝试这种水墨风格的 LoRA。所以让我先点击下载。这会被放入 Comfy UI 的 models/loras 文件夹中。让我们点击保存。现在，你可以将 LoRA 添加到常规的文本到图像工作流程以及这种布局控制工作流程中。所以我将向你展示如何对两者进行操作。让我先展示常规的文本到图像工作流程。
在这里，只需点击“进入子图”。你应该会看到以下内容。基本上你只需要在 K 采样器的模型输入之前放置 LoRA 加载节点即可。所以我将点击界面上的任意位置，然后输入“LoRA”。我选择第一个加载 LoRA 节点。让我把它放在这里。然后将它拖到这里，并将输出连接回 K 采样器。
然后在这里我可以点击下拉菜单并选择我刚下载的水墨 LoRA。接着这里可以选择强度，基本上就是你想让 LoRA 对图像产生多大影响。让我们将其设置为 100%。现在要返回工作流程，只需按 Escape 键即可。差不多就是这样了。最后一件事是对于大多数 LoRA，实际上需要一些触发词。
在这种情况下，为了真正触发动画效果，我需要将这些触发词输入到我的提示中以便激活 LoRA。所以回到这里的提示框，让我在这里粘贴触发词。让我也去掉下面任何相关的摄影关键词，然后按运行。好吧，这是我们得到的结果。现在我们也可以对这种布局控制工作流程做同样的事情。
所以再次地对于这个节点，只需点击“进入子图”，然后我们只需要在 K 采样器的模型输入之前添加一个加载 LoRA 节点即可。所以我将双击任意位置，然后输入“LoRA”。接着我要选择加载 LoRA。让我把它放在这里，然后将模型连接到这里。再将这个连接回 K 采样器。
再次地我要选择这种 Sumi Ink（水墨）。然后回到这里，我不粘贴逼真的照片关键词而是粘贴这些触发词。接着按运行。这是我们得到的结果。所以你可以看到它是如何将 LoRA 中的水墨泼溅艺术风格应用到我的照片上的。现在，你不仅可以添加 LoRA，而且如果你想要更好的图像质量和一致性请记住这些原始的 Moss Image 模型是最差的。
事实上人们已经在微调完整的 Moss Checkpoint（检查点）了。例如我们有这个新的叫做 Chromos 的模型，正如你可以从这些示例中看到的那样它看起来比基础的 Moss Image 模型要好得多且更一致。所以要使用这个你只需要下载此模型的检查点即可。例如让我点击进入文件和版本然后扩散模型。
再次地我们可以选择完整的 BF-16 版或者这个较小的 int8 版本。所以我要下载这一个。像完整的 Moss 模型一样这也放在 models/diffusion_models 文件夹中。让我们点击保存。然后回到你的 Comfy UI 工作流程中的 UNet 模型处只需选择这个新的 Chromos 模型即可。就是这么简单。所以这些是使用一些自定义模型来提高生成质量的一些方法。
对我来说，Moss Image 运行已经很快了。我只需要大约 30秒就能生成一张图像，但让我向你展示如何将其速度提高三倍到四倍。所以我们实际需要做的是下载这个八步 DMD LoRA。我会在描述中链接到它。只需点击这里下载。让我们给它起个好听的名字比如 moss_dmd_8step。
所以这会被放入 Comfy UI 的 models/loras 文件夹中。让我们点击保存。现在再次我们既可以将其应用于常规的文本到图像工作流程也可以应用于布局控制工作流程。让我只展示如何在文本到图像中使用它。所以所有设置都与之前相同但我们需要做的是点击这里展开工作流程。你应该再次看到以下内容。
和以前一样我们只需要在 K 采样器之前添加一个 LoRA。所以让我双击任意位置然后输入“LoRA”。我要选择加载 LoRA 并将其放在这里。我将把这个节点连接到这里然后将输出连接回 K 采样器。这次我要点击下拉菜单并选择这个 MOSS_8step LoRA。
至少对于这个来说建议将强度设置为 1。所以让我们按 Escape 键回到我们的工作流程。我们需要做的最后一件事是，不再使用 25步我们只需将其设置为八步。然后对于 CFG我们需要将其设置为 1。还要注意如果我们将 CFG 设为 1，这个负面提示实际上不会有任何效果。所以这有点权衡。
如果你确实希望你的负面提示产生一些影响，那么你可以像这样将其增加几个小数位。差不多就是这样了再次按运行。现在这应该运行得更快三倍到四倍。好吧，这是我的结果。所以这就是你如何使用 Turbo LoRA 来进一步加快速度的方法。现在 Moss 只是一个文本到图像生成器，所以你不能用自然语言像 Quinn Image 2.1 或 Nano Banana那样语义编辑图像。
但你仍然可以输入图片供它使用传统的图像修复进行编辑。所以让我快速向你展示如何做到这一点。假设我输入这张图片并想用一只睡觉的猫替换这个笔记本，这就是方法。我在这里使用默认的文本到图像工作流程让我们点击进入子图。我们需要做的是基本上编辑并自定义这里的一些内容以便插入 K 采样器中。
当然我们要做的第一件事是将我们的图片上传到工作流程中。所以让我在画布上的任意位置双击然后输入“load image”并选择这个选项。然后点击这里上传我的图片。现在我可以悬停在这张图片上
然后点击这个图标，在图像上绘制遮罩。在这里我可以编辑诸如粗细、不透明度、硬度等设置。所以让我先调整一下这些参数，然后在这本笔记本上绘制遮罩，我将用一只睡觉的猫来替换它。在绘制完遮罩后，让我们点击上方的保存按钮。接下来的步骤是将这张图像转换为潜空间表示。让我在画布上的任意位置双击，然后在顶部输入“VAE”，我们需要选择这个名为“用于修复的 VAE 编码（VAE encode for inpainting）”选项。
让我点击它，然后将其放置在任意位置。我将把这张图像连接到此处。对于 VAE 节点，我将从该节点画一条连线并连接到这里。而对于遮罩部分，我会将图像中的遮罩连接到此处。随后，我只需要将这个潜空间输出一直链接到这里的 K 采样器上。请注意，一旦我放下这条连线，它将会断开之前那条连线的连接。事实上，我可以按 Ctrl+B 来禁用或绕过这个节点。
请注意，这里原本连接的是我们在此处设置的宽度和高度。但由于现在它被断开并禁用了，实际上将不再使用那些宽高设置。相反，它将采用我输入图像的宽度和高度。基本上就是这样了。让我们按下 Escape 键返回。回到这里后，我只需要在绘制的遮罩中输入想要生成的内容即可。所以让我们写一些类似“一只睡觉的猫”的内容。
对于这部分，我只是关闭提示词超分功能以加快速度。然后按下运行键。好了，这就是我们得到的结果。确实，它成功地将一只睡觉的猫添加到了我的图像中。以上就是如何使用 Moss Image 编辑图像的方法。它的表现还不错，但不如 Quen image 2.1 或 Nano Banana 那样灵活。这只是传统的图像修复（inpainting），但这就是目前使用 Moss 编辑图像的方式。
最后，如果你想知道如何为 Moss Image 微调自己的 LoRA 模型，最好的工具之一是这个 Ostrus AI 工具箱。我会在下方的描述中附上链接。他们已经添加了对使用 Moss Image 训练 LoRA 的支持。虽然这对本期视频来说有点过于技术化，但在底部包含了运行此工具的所有说明。而且它甚至可以在 Mac OS 上工作。
这就总结了我对 Moss Image 的评测和教程。这绝对是其参数量级别下最好的图像生成器之一。其中蕴含了海量的知识，非常灵活，能够生成大量的内容。而且这还不是它最差的水平。我相信在接下来的几天里，我们会看到一些外观更好的检查点或微调模型出现。如果你懂我在说什么的话，这有点像当年的 SDXL 时代。
请在评论区告诉我你对这款模型的看法。如果在安装过程中遇到任何错误，欢迎在下方评论中粘贴确切的错误信息，我会尽力帮助你排查问题。一如既往，我将持续关注顶级 AI 新闻和工具并与大家分享。所以，如果你喜欢这个视频，记得点赞、分享并订阅，敬请期待更多内容。
此外，AI 领域每周都有大量新动态发生，我不可能在我的 YouTube 频道上涵盖所有内容。因此，为了真正跟上 AI 领域的所有最新进展，请务必订阅我的免费每周通讯简报。相关链接将在下方描述中提供。感谢观看，我们下期再见。