無料でここまで来たか…!中国の研究チームOpenMOSSが画像生成AI「MOSS-Image」を無料公開し、画像生成好きのあいだで一晩で試す人が続出しています。自分のPCで動かせるのが大きなポイントです。🖼️

MOSS-Image is now open source on @huggingface. Built on a 5B Diffusion Transformer (DiT), MOSS-Image brings Chinese & English text rendering and controllable layouts to image generation
— MOSS (@MosiAI_Official) 2026年10月16日
📝 ポストの和訳(編集部による意訳)
MOSS-ImageをHugging Faceでオープンソース公開しました。
50億パラメータの拡散トランスフォーマー(DiT)をもとに、画像生成で中国語・英語の文字の描き込みと、レイアウトの指定ができるようになります。
公開されたのは10月16日。GitHub(プログラムの置き場)とHugging Face(AIモデルの置き場)に、モデル本体と動かすためのコードがまとめて出されました。種類は土台の「MOSS-Image-Base」と、それを調整した「MOSS-Image-SFT」の2つです。
ライセンス(使ってよい範囲の決まり)はApache-2.0(商用利用も認められている、ゆるめの決まり)。お金を払わずに使えて、自分のPCに入れて動かせるタイプです。Nano BananaやMidjourneyのような「会社のサービスにログインして使う」ものとは、ここが大きく違います。
◆画像生成勢の生成例がこちら
まずは、同じ指示文で人気の画像生成AIと描き比べた例。左上がMOSS-Imageで、カフェでほおづえをつくメイドさんの雰囲気や小物まで、ほかのAIに負けていません。
MOSS-Image 使ってみました。
— Shiso@AI (@aawuup) 2026年10月17日
アニメ系のかわいいイラストもOKでかなりいいですね!
Qwen Image 2.1とKrea2とAnima2.9BベースのCat Tower Plusと比較。すべて自然言語で同一のプロンプトを使いました。プロンプトの追従性はかなり高く、細部の描きこみもいい感じです。
こちらは、同じ場面・服・ポーズをアニメ風(上段)と写真風(下段)で作り分けた例。自宅のRTX 4070で、1枚約50秒だったそうです。
MOSS-Image Base(INT8)をローカルで試しました!
— Kamimoto(かみもと) (@sep_is_heim) 2026年10月17日
LoRAなし・参照画像なしのT2Iだけで、アニメと実写を同じ場面・服・ポーズのプロンプトで生成。
832×1216/50steps、RTX4070で1枚約50秒。
最近の生成AIと同様、アニメは苦手そう。キャラLoRAでどこまで改善するか‥。
◆今回のポイント
◆何が得意なの?
公式が推しているのは「画像の中の文字がきれいに出る」ことと「どこに何を置くか指定できる」こと。文字や物の位置を座標つきの箱で指定して描かせる機能(公式は試験的な機能としています)があり、ポスターや図解のような画像も作れます。指示文は最大4,000トークン(ざっくり長い文章まるごと)まで入れられて、アニメ絵も写真風も出せるとしています
◆どこで使える?
すぐ試すならHugging Faceの公式デモ(ブラウザで動くお試しページ。混んでいると待ち時間や回数の制限あり)。自分のPCで動かすなら、NVIDIAのグラボ(CUDA対応)が必要です。画像生成でおなじみの「ComfyUI」では、ComfyUI Managerで「MOSS-Image」を検索すると専用の追加機能を入れられます
◆どのくらいのPCが要る?
必要なグラボのメモリ量の公式の目安は出ていません。Xでは「RTX 4070で軽量版を使って1枚約50秒」という報告がある一方、「3060じゃろくに動かん」という声も。文字がきれいに出る言語として公式が挙げているのは中国語と英語で、日本語の文字がうまく出るかはまだ分かりません

管理人青瀬すい公開の翌日には、LoRA(好みの絵柄やキャラを覚えさせる追加学習)用のツールや、sd-scriptsの作者さんも対応を表明。周りの道具がそろうのがとにかく早いです。
ネット上の反応
MOSS-Image Base(INT8)をローカルで試しました! RTX4070で1枚約50秒。最近の生成AIと同様、アニメは苦手そう。キャラLoRAでどこまで改善するか‥
まだBaseモデルのみなので微妙だけど、調整されたモデルが出てくれば化けそう。プロンプトへの忠実度はanimaよりも高い
アニメ系のかわいいイラストもOKでかなりいいですね! プロンプトの追従性はかなり高く、細部の描きこみもいい感じです
普段遣い(Krea 2)と比べて出力が不安定だなという印象だったけど、Krea 2では難しかった構図も出せたのが良かった
うーんMOSS imageすごいけど絵柄とか顔が安定せんなぁ・・・かなりガチャる必要が
オープンソースのMOSS Imageかー。Image2.5よりもいいかもなー。まあでもデカくて3060じゃろくに動かんかー…
X上の個人の投稿(10月17日)を紹介しています(一部抜粋)。
管理人のひとこと

無料でここまで来ると、もう選びきれない!「指示どおりに描いてくれる」はほめ言葉が多い一方、絵柄の安定はこれからみたい。LoRAや調整版が出てからが本番かもしれませんね。




コメント