MOSS-Image нарисовала японскую вывеску и инфографику на домашнем ПК с RTX 3060 Ti и 8 ГБ видеопамяти. Автор японского теста задавал расположение элементов через JSON, который подготовил Claude Code. Генерация одной картинки занимала около 70 секунд. Мелкие подписи иногда ошибались, поэтому макет перед публикацией нужно вычитать.
Креаторам тут есть что потестировать. Модели можно задать расположение заголовка, блоков и стрелок, а не ограничиваться просьбой «сделать красивую схему». Так проще контролировать композицию. Точность букв всё равно придётся проверять, особенно когда текста много.
MOSS-Image справилась с японским текстом, хотя он не входит в официальную поддержку
OpenMOSS опубликовала MOSS-Image 16 октября 2026 года. Это открытая модель: её веса и код распространяются под лицензией Apache 2.0. Разработчики пишут, что модель можно использовать и в коммерческих проектах. В техническом отчёте описана версия на 5 млрд параметров с поддержкой длинных запросов — до 4K токенов — и структурированной раскладки.
Официально модель рассчитана на английский и китайский. Японского в списке языков нет. Результат теста интересный, но он не доказывает, что модель всегда без ошибок пишет по-японски.
В тесте MOSS-Image и FLUX.2 [klein] 4B сравнили на изображении вымышленной пекарни. Klein верно вывела английскую надпись MUGI TO AKARI BAKERY, но исказила японское 麦と灯: правильно совпал только знак «と». MOSS-Image сохранила и японское название, и английские слова.
С инфографикой результат зависел и от способа постановки задачи. На просьбу сделать схему одной короткой фразой MOSS-Image ответила верными заголовками, но свела обе ветки к Illustrator → Claude Code. Figma и HTML / CSS из макета пропали. Вместо них появились лишние планетные украшения и элементы, похожие на логотипы.
Для второй попытки Claude Code записал в JSON координаты 16 элементов: заголовка, подзаголовков, блоков, стрелок и примечаний. На этот раз расположение и текст совпали с заданием. Тут помог подробный план макета, разбитый на конкретные части.
JSON помогает держать макет под контролем, но не редактирует готовую картинку
JSON хранит текст и координаты элементов в структурированном виде. Каждой подписи можно задать отдельную область, вместо расплывчатого описания вроде «заголовок сверху, блоки ниже». В тесте координаты отсчитывали от центра холста. Для изображения 1344 × 768 пикселей горизонтальный диапазон составлял от −672 до 672, вертикальный — от −384 до 384.
С таким планом генератор получает более точное задание. Сам JSON можно проверить заранее: убедиться, что рамки помещаются на холсте и не пересекаются. В тесте проверка выявила две слишком узкие области для текста. Автор расширил их до запуска модели.
Изменение JSON запускает новую генерацию. Оно не сдвигает надпись на готовом постере, сохраняя фон нетронутым. В отдельном разборе MOSS-Image автор отмечает: если передвинуть заголовок, могут поменяться и другие детали картинки.
Для своих макетов сохраняйте JSON вместе с изображением и используйте его для новых вариантов. В афише можно отдельно задать название события, время, место и иллюстрацию. Если дата или цена должны быть точными и часто меняться, сравните этот способ с генерацией фона и последующим набором текста в редакторе.
В техническом отчёте MOSS-Image приводит оценку 96,3 по LongLongTextBench. Это бенчмарк разработчиков для длинного текста на английском и китайском. Он не гарантирует правильность японской орфографии. Авторы отчёта также уточняют, что результаты замеров принадлежат создателям модели.
Домашний запуск потребовал 8 ГБ VRAM, ComfyUI и отдельного ПК с NVIDIA
В японском тесте модель запускали на Windows 11 с RTX 3060 Ti, 8 ГБ видеопамяти и 32 ГБ оперативной памяти. Использовали облегчённую версию весов для видеокарт с небольшим объёмом VRAM. Для ComfyUI понадобилась версия 0.42.1 или новее: поддержку MOSS-Image добавили в 0.42.0, а в 0.42.1 исправили ошибку загрузки шаблона. Автор работал с Desktop-версией 0.43.0.
В шаблоне ComfyUI одна картинка создавалась за 59,51 секунды при 25 шагах. В отдельном запуске через Python-скрипт использовали 50 шагов. На RTX 3060 Ti генерация занимала 65–73 секунды, включая отправку запроса с Mac и получение картинки. Официальная демонстрация на Hugging Face показывала 48–55 секунд, но там использовались другие разрешение и веса. Эти результаты получены в разных режимах.
- Установите ComfyUI версии 0.42.1 или новее и найдите в шаблонах MOSS-Image: Text to Image.
- Скачайте предложенные файлы облегчённой версии. Вместе они занимают около 13 ГБ.
- Если ComfyUI работает на другом компьютере, соедините машины через Tailscale и используйте Serve для связи с локальным ComfyUI.
- Проверьте адрес и порт ComfyUI. В тесте Desktop-версия использовала порт 8188, но в вашей установке он может отличаться.
- До генерации попросите Claude Code проверить границы и пересечения bbox. Затем откройте изображение и сверьте текст с заданием.
Автор связал Mac с Claude Code и домашний Windows-ПК с ComfyUI. Claude Code готовил JSON и отправлял запрос на Windows-машину. Устройства соединялись через Tailscale, без настройки роутера. Автор отдельно предупреждает: у ComfyUI нет пароля, поэтому порт нельзя напрямую открывать в интернет. Tailscale Serve перенаправляет запросы от устройств вашей сети. Отсутствие аутентификации всё равно требует осторожности.
| Среда | Условия из теста | Время на изображение |
|---|---|---|
| ComfyUI, шаблон | RTX 3060 Ti, 8 ГБ VRAM, 25 шагов | 59,51 секунды |
| Домашний ПК, запрос с Mac | RTX 3060 Ti, облегчённые веса, 50 шагов | 65–73 секунды |
| Демо Hugging Face | Другое разрешение и веса | 48–55 секунд |
Ошибки остаются: мелкие подписи нужно вычитывать особенно внимательно
В тесте схемы автор менял seed — случайное начальное значение генерации. Из трёх попыток с примерно 110 японскими знаками одна совпала с заданием. В двух других нашлись одиночные ошибки. В одном варианте «届く» превратилось в «届くく», в другом «受け取る» — в «受け財る». На уменьшенной картинке такие подмены легко пропустить.
Вступительную схему автор создал трижды, и все три версии сохранили заданный текст и расположение. Для этого макета результат хороший, но он ничего не гарантирует при другой плотности текста. Полноширинные скобки в тесте тоже отображались как обычные, хотя смысл оставался понятен.
Другой японский автор, Икэтомо, проверял модель на собственном Mac mini и в другом режиме. В его тесте 4 из 15 изображений получились без ошибок. Он отмечал, что ускоренный режим сокращает время, но может ухудшить точность букв. Эти результаты нельзя напрямую сравнивать с тестом на RTX 3060 Ti: различались оборудование, настройки и изображения. В обоих случаях пришлось закладывать повторные попытки и проверку.
В коротком запросе для тестовой пекарни генератор добавил кофе, цветы и корзину. На макете также могут появиться знаки, похожие на чужие логотипы. Автор советует явно запрещать логотипы, если они не нужны, и всё равно проверять результат. Изображения с чужими товарными знаками не стоит публиковать без проверки прав.
- Читайте подписи при исходном размере, а не только на уменьшенном превью.
- Сверяйте изображение с исходным текстом. Особенно внимательно проверяйте цены, даты, названия и мелкие примечания.
- Если нашли ошибку, измените seed и сгенерируйте новый вариант. Затем снова проверьте текст.
- Заранее задавайте, что должно попасть в кадр и чего там быть не должно. Отдельно запретите логотипы, если они не нужны.
- Для обязательных надписей сравните два процесса: генерацию текста внутри изображения и добавление текста в графическом редакторе.
Запрос к Claude Code задаёт процесс, а не только картинку
Ниже — единственный готовый промт из переданного материала. Он предлагает Claude Code сначала согласовать содержание схемы, потом сохранить JSON, проверить координаты и отправить задачу в ComfyUI. Для своей работы замените адрес ComfyUI и тексты блоков. Размер холста и имя файла тоже можно настроить под задачу.
MOSS-Image で図解の画像を作りたいです。次の手順で進めてください。
1. まず、図解に入れる文字と並びを私に確かめてください（題、見出し、箱の中の文字、注）。
2. 決まったら、MOSS-Image の JSON レイアウトを書いて figure.json に保存してください。
3. 保存したら、bbox が画面からはみ出していないか、要素どうしが重なっていないかを計算で確かめてください。
4. 次のコマンドで、ComfyUI に頼んで画像を作ってください（Windows なら python3 を python に）。
python3 moss_comfy.py --host <ComfyUI の住所> --prompt-file figure.json --out figure.png --width 1344 --height 768
5. できた画像を開いて、文字と配置が JSON のとおりか確かめ、違う所があれば教えてください。Из чего собран промт
- задачанужна схема-картинка в MOSS-Image, работать по шагам
MOSS-Image で図解の画像を作りたいです。次の手順で進めてください。 - действиесначала уточнить у автора текст и порядок элементов
1. まず、図解に入れる文字と並びを私に確かめてください（題、見出し、箱の中の文字、注）。 - действиенаписать JSON-макет и сохранить в figure.json
2. 決まったら、MOSS-Image の JSON レイアウトを書いて figure.json に保存してください。 - действиепроверить расчётом выход за кадр и перекрытия
3. 保存したら、bbox が画面からはみ出していないか、要素どうしが重なっていないかを計算で確かめてください。 - действиезапустить генерацию через ComfyUI; на Windows python
4. 次のコマンドで、ComfyUI に頼んで画像を作ってください（Windows なら python3 を python に）。 - параметрыкоманда скрипта: адрес хоста, файл JSON, размер 1344×768
python3 moss_comfy.py --host <ComfyUI の住所> --prompt-file figure.json --out figure.png --width 1344 --height 768 - действиепроверить картинку на соответствие JSON и сообщить расхождения
5. できた画像を開いて、文字と配置が JSON のとおりか確かめ、違う所があれば教えてください。
Промт встраивает проверку в работу до и после генерации. Claude Code сначала согласует содержание, затем проверит bbox — прямоугольные области элементов — на выход за границы холста и пересечения. Такой порядок пригодится для любой схемы с плотными подписями.
Для схем с точным текстом MOSS-Image стоит проверить на своих макетах
Я бы начал с одного рабочего примера: зафиксировал текст, число блоков, размер изображения и критерии приёмки. Например, засчитывать только вариант, в котором совпали все подписи и стрелки. Потом проверить несколько seed и записать, сколько макетов прошло вычитку без ошибок. Так появятся свои данные, а результат чужого теста не придётся переносить на собственную рекламу.
MOSS-Image интересно проверить на черновых афишах, схемах и карточках, где важны текст и композиция, а полный фотореализм не нужен. Если в макете критичны мелкие буквы или точное расположение деталей, JSON пока лучше считать подробным заданием для новой генерации. Готовый файл всё равно придётся проверять.
Модель может собрать макет по координатам. Японские буквы в готовой картинке всё равно проверяет человек.
Другие мои тесты генерации изображений — в работах SAMI
Источники
MOSS-Image: открытая модель для текста и управления раскладкой
AimanaVo: тест японского текста и бесплатного демо MOSS-Image
Икэтомо: можно ли использовать японский текст MOSS-Image в работе
Источникnote.com
