В японском тесте MOSS-Image Base разместил по кадру 3, 6 и 10 персонажей. Для каждого задали отдельную рамку. В самой большой сцене модель почти сохранила число героев, их порядок, причёски и одежду. Для локальной групповой иллюстрации выглядит полезно: координаты помогают заранее разложить персонажей по кадру.
Автор сравнил шесть результатов: три размера группы, каждый — с LoRA стиля SepiaBlue Luminous и без неё. Для ускорения он взял Base-модель с DMD LoRA на 8 шагов. Это результаты японского автора; ниже — его наблюдения и приёмы для ComfyUI.
MOSS-Image удержал 10 персонажей в заданных местах
В маленькой сцене мужчина стоял слева, девушка сидела на скамейке по центру, а женщина с камерой — справа. По словам автора, все трое попали в свои рамки. Их высота помогла задать позы: центральный персонаж сидел, остальные стояли.
В сцене с шестью героями автор менял размеры и высоту bbox. Среди персонажей были старик с газетой, девочка с шариком и человек, присевший погладить собаку. Автор пишет, что позиции и предметы в основном совпали с описанием. В одном варианте LoRA добавила девочке рюкзак, которого в промте не было.
Самая наглядная проверка — десять героев в два ряда: пятеро стояли, пятеро сидели. У персонажей были рыцарские доспехи, костюм ниндзя, готическое платье и форма бейсболиста. По оценке автора, число героев, их порядок и одежда почти совпали с заданием.
| Группа | Что проверяли | Наблюдение автора |
|---|---|---|
| 3 персонажа | Позиции и разную высоту рамок | Герои встали на заданные места, один сидел |
| 6 персонажей | Разные размеры рамок и предметы | Позиции и большинство деталей сохранились |
| 10 персонажей | Два ряда, порядок и разные костюмы | Образы почти не смешались; один сбой с глазами |
Рамка задаёт примерную область для персонажа. По наблюдению автора, её высота также помогла модели различить стоящих и сидящего героев. Положение он описывал двумя способами: координатами и словами вроде far left или back row, center. Думаю, вместе они дают модели более понятный план сцены.
JSON связывает описание сцены и координаты персонажей
В MOSS-Image запрос можно оформить как JSON. В summary автор описал сцену целиком, а в items добавил отдельный объект для каждого героя. Для персонажей в этом эксперименте он использовал метку label со значением object. Автор теста отмечает: в официальном примере руководства не было отдельной метки для человека или примера с большой группой.
Координаты записываются в порядке yxyx: верх, лево, низ, право. Начало координат находится в центре изображения, поэтому значения могут быть отрицательными. Для холста 1728 × 1152 автор указывает границы от −576 до 576 по вертикали и от −864 до 864 по горизонтали. Если перепутать порядок координат или стороны рамки, модель получит другую раскладку.
В публикации приведён полный промт для сцены с тремя персонажами. Автор пишет, что промты для 6 и 10 героев и negative prompt собраны отдельно, но их текст в исходном материале не показан.
{"summary":{"meta":["anime illustration","multiple characters","group scene"],"canvas":"single","caption":"qsv2style, A wide landscape anime illustration of exactly three young adults on a wooden seaside boardwalk at golden hour, the calm sea and an orange sunset sky behind them, seagulls in the distance. Each person keeps their own distinct hair, face and clothing; the three never share features. Exactly three people in the image, no other people."},"items":[{"label":"object","caption":"Person 1, standing on the far left: a tall young man with short spiky silver hair and sharp blue eyes, wearing a black leather jacket over a white T-shirt, ripped light-blue jeans and black boots, arms crossed, smirking. Full body from head to boots.","bbox":[-426,-754,544,-304]},{"label":"object","caption":"Person 2, sitting on a wooden bench in the center: a petite girl with long pink twin-tails and green eyes, wearing a yellow sundress with white sandals, holding a strawberry ice cream cone and laughing. Full body, seated.","bbox":[-176,-224,544,226]},{"label":"object","caption":"Person 3, standing on the far right: a woman with a short black bob haircut and round gold glasses, wearing a long olive-green trench coat, a striped shirt and brown loafers, holding a vintage film camera up to her eye with both hands. Full body from head to shoes.","bbox":[-436,306,544,756]}],"bbox_coord_space":"abs_centralized","bbox_format":"yxyx"}Из чего собран промт
- стильтриггер-слово LoRA SepiaBlue Luminous
qsv2style, - стильширокая аниме-иллюстрация в альбомном формате
A wide landscape anime illustration - сценаровно три молодых взрослых на деревянной набережной на закате
of exactly three young adults on a wooden seaside boardwalk at golden hour - сценаспокойное море, оранжевое небо, чайки вдали
the calm sea and an orange sunset sky behind them, seagulls in the distance. - персонажиу каждого свои волосы, лицо и одежда; людей ровно три
Each person keeps their own distinct hair, face and clothing; the three never share features. Exactly three people in the image, no other people. - персонаживысокий юноша с серебристыми волосами, стоит слева, руки скрещены
Person 1, standing on the far left: a tall young man with short spiky silver hair and sharp blue eyes, wearing a black leather jacket over a white T-shirt, ripped light-blue jeans and black boots, arms crossed, smirking. Full body from head to boots. - персонажихрупкая девушка с розовыми хвостиками сидит на скамейке, ест мороженое
Person 2, sitting on a wooden bench in the center: a petite girl with long pink twin-tails and green eyes, wearing a yellow sundress with white sandals, holding a strawberry ice cream cone and laughing. Full body, seated. - персонажиженщина с черным каре в круглых очках стоит справа, держит камеру
Person 3, standing on the far right: a woman with a short black bob haircut and round gold glasses, wearing a long olive-green trench coat, a striped shirt and brown loafers, holding a vintage film camera up to her eye with both hands. Full body from head to shoes.
Здесь каждый персонаж описан отдельным item. В caption указаны его место в кадре, внешность, одежда, предмет и поза; bbox задаёт координаты. Для своей сцены можно заменить героев и фон, а рамки подстроить под композицию. Если нужен полный рост, автор советует прописать границы кадрирования — например, от головы до обуви.
LoRA добавила деталей, но не изменила расстановку
Автор оставил текст промта одинаковым, включая триггер qsv2style. Менялось только наличие SepiaBlue Luminous. По результатам теста, LoRA сохранила число и расположение персонажей. Фон стал детальнее: облака и дальний городской пейзаж проработались сильнее, а общая цветовая гамма изменилась.
Сбои остались. В варианте с десятью героями без LoRA одному персонажу не нарисовались глаза. С LoRA глаза появились, зато у двух персонажей стал темнее тон кожи — этого в описании не было. Автор предполагает, что результат мог зависеть от случайности генерации, и советует явно указывать тон кожи, если он важен.
DMD 8 шагов ускоряет генерацию, но анатомию не чинит
В тесте использовались MOSS-Image Base, текстовый энкодер Qwen3.5 9B, DMD LoRA для Base с силой 1.0, sampler euler, scheduler sgm_uniform, CFG 1 и 8 шагов. После загрузки моделей один кадр занимал около 9–12 секунд. Автор приводит для сравнения обычную генерацию Base на 50 шагах: около 80 секунд за изображение. По его замерам, это примерно в десять раз дольше.
Скорость зависит от конкретного workflow и настроек автора. В отдельном обзоре DMD LoRA для MOSS-Image автор Aurelia описывает переход с 50 шагов на 8. Такой режим ускоряет вычисления, но качество может отличаться на других промтах и видеокартах.
Японский автор считает, что DMD 8step может делать изображение слишком плоским. Чтобы вернуть детализацию, он использует стилевую LoRA. При этом анатомические ошибки в MOSS-Image всё равно встречаются — например, с руками и ногами. Быстрая генерация помогает перебрать больше вариантов, а итоговый кадр всё равно нужно проверять.
Для групповой иллюстрации начните с трёх героев
MOSS-Image вышел в октябре 2026 года. Модель поддерживает JSON-разметку сцены с элементами и рамками. ComfyUI Wiki описывает этот режим как способ задавать положение текста и объектов. Японский тест показывает, как с его помощью расставлять персонажей. По словам автора, готового примера для большой группы в официальных материалах не было.
- Сначала опишите общий фон и точное число людей в summary.
- Затем добавьте отдельный item для каждого персонажа.
- Укажите положение в bbox и продублируйте его словами в caption.
- Явно задайте важные различия: причёску, одежду, предметы, позы и тон кожи.
- Проверьте результат на трёх героях перед сценой с десятью.
Для персонажного листа, групповой сцены или иллюстрации с разными героями такой подход может сэкономить время на раскладке. Если важны точная анатомия и мелкие детали, понадобится проверять результат и запускать генерацию ещё раз. В этом тесте рамки помогли удержать композицию. Проверять, что получилось в итоге, всё равно придётся человеку.
Источники
MOSS-Image ComfyUI Workflow: Weights, Nodes and Download | ComfyUI Wiki
MOSS-Image in 8 Steps: lodestones' DMD LoRAs | ArtRealmAI
Источникnote.com
