Juggernaut Moss Turbo (Beta)
генерация фотореализма за 6 шагов
2 мин чтенияобновлено
Ускоренная версия фотореалистичной модели генерации изображений Juggernaut Moss (на архитектуре MOSS-Image, 5.08 млрд параметров) от автора Kandoo. В веса модели вшита специально обученная DMD2 (дистилляция сопоставления распределений) turbo-LoRA, благодаря чему картинка создаётся за 6 шагов при CFG 1 вместо стандартных 30 шагов при CFG 3. На видеокарте RTX A4500 рендер изображения в разрешении 1344×1792 занимает около 11 секунд вместо минуты с лишним. Подойдёт всем, кто хочет быстро генерить детализированные кадры в ComfyUI или через diffusers без долгого ожидания.
Ключевые особенности
- Высокая скорость: 6 шагов при CFG 1 (для сложных сцен с несколькими людьми и руками — 7 шагов), негативный промпт на CFG 1 игнорируется.
- Рекомендуемый формат
int8_convrot(5.4 ГБ): загружается в ComfyUI стандартными нодами без кастомных расширений и в текущей бете работает стабильнее BF16-версии. - Понимание длинных описаний и текста: модель обучена на подробных подписях с указанием камеры, света и стиля, а слова в кавычках вписывает в вывески и надписи.
- Лицензия Apache 2.0: разрешено коммерческое использование самой модели и сгенерированных изображений.
Что можно сделать
- Быстро создавать кинематографичные кадры и фотореалистичные сцены в высоком разрешении (1.5–2.4 Мп: 1344×1792, 1536×1536, 1920×1088) в ComfyUI по готовому JSON-воркфлоу из репозитория.
- Генерировать постеры, неоновые вывески, обложки и кадры с читаемыми надписями на английском, задавая нужный текст в кавычках прямо в промпте.
- Встроить в пайплайн на базе
diffusersдля быстрой генерации превью или серий изображений на одной видеокарте.
Пример
import torch
from diffusers import DiffusionPipeline
pipe = DiffusionPipeline.from_pretrained(
"Kandoo/Juggernaut-Moss-Turbo-Beta", custom_pipeline="pipeline_moss_image",
trust_remote_code=True, torch_dtype={"default": torch.bfloat16, "vae": torch.float32}
).to("cuda")
image = pipe("A cinematic film still of a street musician at night", height=1792, width=1344, num_inference_steps=6, guidance_scale=1.0).images[0]
Подробнее
Оптимальный сэмплер:euler_ancestral / simple (избегайте karras и dpmpp_2m); для ComfyUI также нужны текстовый энкодер qwen3.5_9b_int8_convrot и flux2-vae_small.Ограничения беты: ниже разнообразие композиций между сидами (лучше менять ракурс в промпте), возможны артефакты рук в сложных сценах и сложности с отражениями в зеркалах.
В BF16-версии (10.2 ГБ) чаще встречаются анатомические ошибки, поэтому автор рекомендует
int8_convrot; модель может генерировать 18+ контент (тег not-for-all-audiences).









Комментарии