MOSS-Image: 5B DiT Modeli Açık Kaynak Oldu

OpenMOSS ekibi, geçen haftalarda MOSS-Image adlı 5 milyar parametreli DiT (Diffusion Transformer) tabanlı resim üretim modelini açık kaynak olarak yayımladı. Altı aylık geliştirme sürecinde ekip, metin renderı, düzen kontrolü ve topluluk ince ayarına odaklanmış.

Model, Stable Diffusion ve benzer araçlarla kıyaslandığında daha kompakt bir yapı sunuyor. Geliştiriciler Reddit'teki AMA oturumunda, özellikle yazı ve metin öğelerinin doğru şekilde görüntüye yerleştirilmesinde iyileştirmeler yaptıklarını açıkladı. Bu, önceki nesil modellerde sık rastlanan sorun olan metin çarpılması veya hatalı yazı renderingini azaltmayı hedefliyor.

Proje GitHub'da erişilebilir ve GPL-3.0 lisansı altında dağıtılıyor. Kurulum basit: bağımlılıkları yükle, model ağırlıklarını indir ve Python ile komut satırından veya API aracılığıyla çalıştır. Topluluk, ince ayar ve özel veri setleriyle eğitim için temel olarak kullanabilir.

Dikkat çeken nokta, modelin 5B boyutuyla daha düşük kaynak tüketimi gerektirmesi. Eğer GPU'nun sınırlıysa veya çalıştırmak için hafif bir araç arıyorsan, bu model Nvidia veya AMD kartlarında makul performans sunuyor. Ekip ayrıca metin ve görsel kontrolün geliştirilmesine açık; geri bildirim ve katkılar bekleniyor.

Eğer metin-kontrollü resim üretiminde denemeler yapmak istiyorsan, kurulum ve ilk çalıştırma adımları GitHub deposunda açıkça anlatılmış. Topluluk tarafından test edilen örnekler ve sorun raporları da depoda takip edilebilir.