MOSS-Image CharRef
CharRef v2 是MOSS-Image生态里实用性很强的角色固定方案,依托KV缓存参考编辑路线,省去逐个角色微调LoRA的成本,非常适合漫画、二次元角色跨场景生成;短板集中在写实人脸、精细发型、单参考限制。
moss_image_base_dmd2 是面向 MOSS-Image-Base 的 8 步 LoRA,rank=128,采用分布匹配蒸馏方案。它用 CFG=1 条件下的 8 次前向,替代原基础模型 50 步引导采样,蒸馏信息已经内置在 LoRA 权重里,不需要负面提示词。

moss_image_base_dmd2 是一款专为 MOSS-Image-Base 模型设计的 8 步低秩适应(LoRA,rank 128)权重。该模型通过分布匹配蒸馏(Distribution Matching Distillation 2, DMD2)技术训练,旨在将基础模型原本需要的 50 步引导推理过程,压缩至仅需 8 次前向传播即可完成,从而大幅降低推理延迟与计算成本。

moss_image_base_dmd2_bf16.safetensors)将每个 Transformer 块的 Query (q)、Key (k) 和 Value (v) LoRA 权重,打包并映射为 ComfyUI 融合 QKV 投影(fused qkv projection)上的单个等效 LoRA。这与 Diffusers 版本的 PEFT 适配器在数学上完全等效,但优化了 ComfyUI 的执行效率。该 LoRA 专为特定的采样器与调度器组合训练,使用其他采样器会导致生成质量显著下降。必须严格遵循以下配置:
| 配置项 | 推荐值 / 设置说明 |
|---|---|
| 步数 (Steps) | 8 |
| 采样器 (Sampler) | LCM (Latent Consistency Model)。机制为:在每一步获取模型的干净估计值,然后使用新噪声重新加噪至下一级。 |
| 调度器 (Scheduler) | Simple 调度器。需配合流偏移(Shift)值 4.4817 使用。时间步长为 8 个均匀间隔值:1, 7/8, …, 1/8, 0(约等于 1, 0.969, 0.931, 0.882, 0.818, 0.729, 0.599, 0.39)。 |
| CFG Scale | 1 (无负面提示。引导逻辑已被蒸馏至权重中)。 |
| LoRA 强度 | 1.0 |
| 分辨率 | 约 100 万像素(1 Megapixel),支持基础模型兼容的任何宽高比(如 1152 × 896)。 |
为确保权重精度不丢失且调度逻辑正确,在 ComfyUI 中部署时需严格遵循以下文件路径与节点选择规范。
1. 模型文件放置路径
| 文件来源 | 目标目录 (ComfyUI/models/) | 对应加载节点 |
|---|---|---|
loras/moss_image_base_dmd2_bf16.safetensors (本仓库) | loras/ | LoraLoaderBypassModelOnly |
moss_image_base_bf16.safetensors (Comfy-Org/MOSS-Image) | diffusion_models/ | Load Diffusion Model |
qwen3.5_9b_bf16.safetensors 或其 int8/w4a8 变体 | text_encoders/ | Load CLIP (类型选 moss_image) |
flux2-vae_small.safetensors | vae/ | Load VAE |
2. 关键节点配置与避坑警告
LoraLoaderBypassModelOnly(或名为 “Load LoRA (Bypass, Model Only)” 的节点),如同官方工作流所示。ModelSamplingAuraFlow 或 ModelSamplingFlux 节点,并将其 shift 参数手动设置为 4.4817。ModelSamplingSD3 节点。该节点会以不同的方式缩放 MOSS-Image 的时间步(timesteps),直接导致输出完全退化为无意义的噪声。为快速验证部署是否正确,官方提供了嵌入完整 ComfyUI 工作流元数据的示例图像及独立的 JSON 文件:
images/example_goose.png 或 workflows/moss_image_base_dmd2_8step.json 直接拖入 ComfyUI 浏览器界面。workflows/moss_image_base_dmd2_8step_api.json 中提供的标准 ComfyUI API 格式工作流。加载后,检查工作流是否已自动配置好 LCM 采样器、Simple 调度器、8 步、CFG 1 以及正确的 ModelSamplingAuraFlow 偏移节点。确认无误后,即可执行推理,体验 8 步极速生成的效果。详细的训练超参数与损失函数设计,请参阅仓库内的 TECH_REPORT.md。