К содержимому
Изображения

MeMaMoss Flat Anime Style

LoRA для генерации артов в стиле аниме-журналов

2 мин чтения

Новая LoRA (небольшая надстройка над базовой моделью) для генерации изображений на базе модели MOSS, воссоздающая узнаваемую плоскую аниме-эстетику японских журналов Megami Magazine. Датасет модели был вручную очищен от лишнего японского текста, а изображения тщательно подобраны для достижения точной цветопередачи, характерной лайнарт-рисовки и проработки глаз из оригинальных печатных изданий. Модель пригодится цифровым художникам, любителям аниме-артов и тем, кто экспериментирует с генерацией картинок в высоком разрешении.

Ключевые особенности

  • Специфический стиль аниме-журналов Megami Magazine периода с 2018 по 2026 год.
  • Обучение на изображениях высокого разрешения (до 2048 пикселей) для чистой детализации.
  • Версия V3 адаптирована под базовую модель MOSS Image SFT для максимальной точности.
  • Тщательно очищенный датасет без постороннего текста и артефактов.

Что можно сделать

  • Сгенерировать качественные 2D аниме-иллюстрации с плоской заливкой в высоком разрешении (рекомендуется около 1600×1984).
  • Настроить генерацию с правильным промптом, используя минимальные теги для позитивного запроса (например, high quality) и указанный автором негативный список.

Пример

Рекомендуемый промпт для генерации:
Позитивный: high quality
Негативный: best quality, normal quality, low quality, worst quality, photorealistic, realistic, 3d, film grain, bad anatomy, watermark, jpeg artifact, bloom, blurry, blurry background, depth of field, extra legs, too many fingers, too many toes, thick lineart, painterly

ПодробнееБазовая модель: MOSS Image / MOSS SFT
Разрешение обучения: до 2048×2048 (V1 — 1792×1792)
Объем датасета: 68 изображений (для версии V3)
Рекомендация: использовать с моделью Moss SFT и настроить Skip Layer Guidance (значения 22, 26).
Примеры
Обсудить 103 1,4 тыс.

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 10 GB · готовые файлы13 GB
  • FP8 / INT8рекомендуемвеса 5.3 GB7.3 GB
  • 4-bitвеса 3.2 GB5.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 5060 Ti 8GB · BF16 — от RTX 5080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью MOSS-Image-SFT.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # civitai/3014129-memamoss-flat-anime-style-moss
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    export CIVITAI_TOKEN=""   # civitai.com/user/account → API Keys — для LoRA с Civitai
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download OpenMOSS-Team/MOSS-Image-SFT --local-dir ~/models/MOSS-Image-SFT
    vid=$(curl -fsSL "https://civitai.com/api/v1/models/3014129" | python3 -c 'import json,sys;print(json.load(sys.stdin)["modelVersions"][0]["id"])')
    cd ~/models && curl -fL -OJ -H "Authorization: Bearer $CIVITAI_TOKEN" "https://civitai.com/api/download/models/$vid"
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к MOSS-Image-SFT
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

OpenMOSS-Team/MOSS-Image-SFT

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. MOSS-Image-Baseоснова семьи
  2. MOSS-Image-SFT
  3. 3014129-memamoss-flat-anime-style-moss

Новые посты про версии MOSS-Image-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

civitai/3014129-memamoss-flat-anime-style-moss
Автор
Fish788
Категория
Изображения
Дата выхода
На сайте

На сайте

Civitai

1,4 тыс.103

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии