MOSS-Image-SFT-4-steps

MOSS-Image-SFT-4-steps

让 MOSS-Image-SFT 文生图模型只用 4 步、无需引导就能出图，只需一个 LoRA 文件。可渲染英文和中文文字，适合 ComfyUI 和 diffusers 用户。

由 akhaliq 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：MOSS-Image-SFT-4-steps 是 MOSS-Image-SFT 的蒸馏适配器，MOSS-Image-SFT 是一个 5.1B 参数的文生图模型。它让模型用 4 步画出一张图，不需要无分类器引导，只用一个 LoRA 文件和标准的流匹配 Euler 采样器。仓库里还包含管线、文本编码器和 VAE。

适合谁：适合想要用 MOSS-Image 快速出图的图像创作者和开发者，尤其是画面里要有清晰英文或中文文字的图片。

Industry | Who uses it | How they use it | Example
设计 | 设计师 | 起草画面中带文字的招牌、菜单和海报 | 一块带价格的咖啡店菜单板
营销 | 内容团队 | 快速制作英文和中文的视觉图 | 一张带中文字样的店面图
软件 | 开发者 | 通过 diffusers 为应用加入快速出图 | 用四步渲染提示词的脚本
研究 | 机器学习研究人员 | 研究图像模型的少步蒸馏 | 3 步与 4 步结果的对比

如果你不用 MOSS-Image 模型，或者想要更慢的完整质量采样，可以跳过它。

用在哪里：

• ComfyUI，通过它的 LoraLoaderModelOnly 节点
• 使用 diffusers 的 Python，通过仓库里的 apply_lora.py 脚本
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件
• 浏览器，通过模型卡链接的演示 Space

Use case | Who | What they get back
快速文生图 | 有 GPU 的任何人 | 用 4 步从提示词得到一张完成的图片
图中的双语文字 | 设计师 | 英文和中文清晰可读的招牌和菜单
大尺寸输出 | 艺术家 | 按模型卡所说，最高 2048 乘 2048 且没有拼接痕迹的图片

如何设置：

• Python，用来运行 Hugging Face 下载工具
• 一块 GPU，模型卡的计时来自一块 A100
• ComfyUI，或使用仓库自带管线的 diffusers
• F32 权重约 20.3 GB，按估算 4-bit 约 2.5 GB

1. 用 pip 安装 Hugging Face 的 hub 工具。
2. 用 hf 命令下载这个仓库。
3. 在你的工具里加载 LoRA 文件，ComfyUI 用 LoraLoaderModelOnly，diffusers 用 apply_lora.py。
4. 设置 4 步、引导系数 1 和标准的 Euler 采样器。

pip install -U huggingface_hub
hf download akhaliq/MOSS-Image-SFT-4-steps

如何使用：写下提示词，用 4 步且不使用引导来生成。模型卡说也不需要负面提示。它还附带一个 inference.py 命令行脚本。

Tool | What it does
lora.safetensors | 提供 4 步行为的单个适配器文件
apply_lora.py | 在 diffusers 中应用适配器
LoraLoaderModelOnly | 在 ComfyUI 中加载适配器
inference.py | 用来生成图片的命令行脚本

示例：你要求画一块咖啡店菜单板，上面写着“TODAY'S SPECIAL, Flat White $4.50”。模型用 4 步画出这块板子，模型卡的展示图里这段文字渲染正确。

新手与专家：如果你已经在用 ComfyUI，就从那里开始，用仅模型的加载节点加上 LoRA，然后让它画一块写有几个词的招牌。4 步加引导 1，就是全部做法。

第 2 版直接在发布版的调度上训练，所以能配合标准采样器，不需要自定义采样器。模型卡说它用数据空间 DMD 蒸馏，起点是一个 8 步蒸馏模型。在一块 A100 上，它报告每张 1024 乘 1024 的图约 11 秒。应用到 MOSS-Image-Base 上时，输出会稍微柔和一些。

写下提示词
加载那一个 LoRA 文件
用 Euler 采样器采样 4 步
返回一张完成的图片

注意事项：

• License: Apache 2.0，模型卡说可以商用
• Cost to run: 没有提到费用，不过你需要一块性能足够的 GPU
• Data it reaches: 从 Hugging Face 下载文件，之后在你加载它的地方运行
• Not for: 旧的 v1.x 适配器，它们在单独的文件夹里保留自己的采样器

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：diffusers
• 参数量：5.1B
• Weights: about 20.3 GB in F32; about 2.5 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：73,131
• 点赞：96
• 许可证：apache-2.0
• 基于：OpenMOSS-Team/MOSS-Image-SFT
• Quantized versions: 1
• 标签：diffusers, safetensors, moss-image, text-to-image, turbo, few-step, lora, ml-intern

链接

• 模型：https://huggingface.co/akhaliq/MOSS-Image-SFT-4-steps
• 文件：https://huggingface.co/akhaliq/MOSS-Image-SFT-4-steps/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download akhaliq/MOSS-Image-SFT-4-steps

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。