FFF_MOSS-Alba

MOSS-Image that draws people in the style of FFF_ANIMA-Alba. Only the people were trained (backgrounds were masked out), so the scenery and text keep MOSS-Image's detail.

人物を FFF_ANIMA-Alba の画風で描くようにした MOSS-Image です。学習したのは人物だけ(背景はマスクで除外)なので、背景と文字は MOSS-Image の描き込みを生かしています。

Latest (2026-11): the fine-tuned model FFF_MOSS-Alba-v1 and its LoRA FFF_MOSS-Alba-style-v2. FFF_MOSS-Alba-style-v1 is the earlier LoRA, kept for reference.

最新(2026-11)は、fine-tune したモデル FFF_MOSS-Alba-v1 と、その LoRA の FFF_MOSS-Alba-style-v2 です。FFF_MOSS-Alba-style-v1 は以前の LoRA で、参考として残しています。

File	What it is	Use it with
FFF_MOSS-Alba-v1_int8_convrot.safetensors	Latest: the model (INT8 ConvRot, recommended)	on its own
FFF_MOSS-Alba-v1.safetensors	Latest: the model (bf16)	on its own
FFF_MOSS-Alba-style-v2.safetensors	Latest: the same style as a LoRA	other MOSS-Image Base-family checkpoints
FFF_MOSS-Alba-style-v1.safetensors	Earlier style LoRA (2026-10)	MOSS-Image Base / SFT

Samples

Tags, CFG 3	Tags, CFG 5
A sentence with quoted text, CFG 3	A JSON layout prompt, CFG 3

The boxes behind the layout sample: 1 title, 2 girl, 3 cat (Regional Boxes in Forge Neo)
レイアウトの生成例の箱: 1 題字、2 少女、3 猫(Forge Neo の Regional Boxes)

All four: FFF_MOSS-Alba-v1 (INT8 ConvRot), Euler, Simple scheduler (shift 5), 25 steps, 1344x1792. Prompts, negative prompts and seeds are in the PNG metadata. The top two have the same subjects as the style-v1 samples.

4 枚とも FFF_MOSS-Alba-v1(INT8 ConvRot)、Euler、Simple(shift 5)、25 steps、1344x1792 です。上の 2 枚はタグ、左下は文字を引用符で書いた文、右下は JSON のレイアウト指定です。プロンプト・ネガティブ・seed は PNG のメタデータにあります。上の 2 枚は style-v1 の生成例と同じ題材です。

FFF_MOSS-Alba-v1 (the model)

MOSS-Image SFT with the style built in. No LoRA, no trigger word. Use it like MOSS-Image SFT: same text encoder (Qwen3.5-9B), same VAE (FLUX.2 small decoder), same settings.

スタイルを組み込んだ MOSS-Image SFT です。LoRA も trigger も要りません。text encoder(Qwen3.5-9B)、VAE(FLUX.2 small decoder)、設定は MOSS-Image SFT と同じです。

Quick start

best quality, highres, <your tags or sentences>

Negative prompt:

nsfw, worst quality, bad anatomy, watermark, jpeg artifact, blush, embarrassed, overexposure, warm lighting

	Recommended / 推奨	Also works / 他の選択肢
File	FFF_MOSS-Alba-v1_int8_convrot	bf16: almost the same pictures, about twice the time
Prompt	Danbooru-style tags or plain English sentences	both were trained
Quality tags	best quality, highres in every prompt, anywhere (the samples have it at the end)
Trigger	none
Sampler	Euler, 25-30 steps, MOSS scheduler (shift 5)	Simple scheduler with shift 5
CFG	3
Size	about 2.4M pixels, any aspect ratio: 1344x1792, 1792x1344, 1536x1536	down to about 1M pixels (896x1152, 1024x1024, ...)

How to use it

Tags or sentences. The model was trained with both a tag caption and a natural-language caption for every picture, so 1girl, solo, black hair, school uniform, classroom and "A girl with long black hair in a school uniform stands by a classroom window" both work.

Anime by default. People come out in the Alba style unless you ask for something else, even in sentences that MOSS-Image SFT draws as photos. Other looks still respond, but more weakly than in SFT: "realistic photo" and "food photography" stay realistic but come out smoother and more polished than a real photo, and "watercolor painting" gives a lighter watercolor touch.

Text. MOSS-Image draws the text you quote in the prompt (a chalkboard sign that reads "FFF MOSS Alba", the bottom-left sample), and this model keeps that: English and Chinese signs, posters and mugs came out as written in our tests.

Layouts. MOSS-Image's JSON layout prompts (a summary and a list of items, each with a bbox; see the MOSS-Image user guide) work too. In our tests the title, the girl and the cat went where their boxes put them. Give each item a box it fits in: a wide frilled skirt spilled over a box that was too narrow. In Forge Neo, the Regional Boxes extension writes the JSON from boxes you draw on the canvas.

Blush. MOSS-Image SFT blushes easily, and so does this model: without blush, embarrassed in the negative prompt, about one picture in five shows a clear blush. With them, none did in our tests. When you want one, drop them from the negative and write blush or light blush in the prompt: in our tests both gave a soft pink on the cheeks, about equally strong.

Bright scenes. overexposure in the negative prompt keeps daylight scenes from washing out.

Warm cast. Without warm lighting in the negative prompt, an orange light tends to spread over the whole picture, backgrounds included. With it, whites stay white and skin stays healthy (not pale), while warmth that belongs to the scene (a sunset, a fireplace) is kept.

Men. The tag 1boy tends to come out as a girl, because the training pictures are mostly girls. Describing him in a sentence ("a young man in a dark coat ...") works.

Speed. INT8 ConvRot runs at about 11 s per picture against about 24 s for bf16 (896x1152, 30 steps, RTX 4090, Forge Neo) and gives almost the same picture. It has the same layout as Comfy-Org's moss_image_*_int8_convrot files.

使い方

タグでも文でも。学習では 1 枚ごとにタグの caption と自然文の caption の両方を使ったので、1girl, solo, black hair, school uniform, classroom も「A girl with long black hair in a school uniform stands by a classroom window」も使えます。

既定はアニメ絵です。何も書かなければ人物は Alba の画風になります(MOSS-Image SFT なら写真で描くような文でも)。ほかの絵柄の指定も効きますが、SFT より弱まります。「realistic photo」「food photography」は写実のままですが、本物の写真より滑らかで整った仕上がりになり、「watercolor painting」は水彩の風合いが薄くなります。

文字。MOSS-Image はプロンプトで引用した文字(a chalkboard sign that reads "FFF MOSS Alba"、左下の生成例)を描けます。このモデルもそのままで、英語と中国語の看板・ポスター・マグカップは試した範囲で書いたとおりに出ました。

レイアウト。MOSS-Image の JSON のレイアウト指定(summary と、bbox を持つ項目の並び。書き方は MOSS-Image のユーザーガイド)も使えます。試した範囲では、題字・少女・猫は箱で指定した位置に置かれました。箱は中身が収まる大きさにしてください。広がったフリルのスカートは、狭すぎる箱からはみ出しました。Forge Neo では、拡張の Regional Boxes を使うと、画面に描いた箱から JSON を書いてくれます。

赤面。MOSS-Image SFT は赤面しがちで、このモデルも同じです。ネガティブに blush, embarrassed が無いと 5 枚に 1 枚ほどはっきり赤面し、入れると試した範囲では出ませんでした。赤面させたいときは、ネガから外してプロンプトに blush か light blush を書いてください。試した範囲では、どちらも頬がほんのり色づく程度で、強さはほぼ同じでした。

明るい場面。ネガティブの overexposure は昼の屋外が白く飛ぶのを抑えます。

暖色のかぶり。ネガティブに warm lighting が無いと、背景も含めて画面全体に橙色の光がかかりがちです。入れると白は白のまま、肌は健康的なまま(蒼白にならず)で、夕焼けや暖炉のように場面に理由がある暖かさは残ります。

男性。教師がほとんど少女なので、タグの 1boy は少女になりがちです。文で書けば(「a young man in a dark coat ...」)男性になります。

速度。INT8 ConvRot は 1 枚約 11 秒、bf16 は約 24 秒(896x1152、30 steps、RTX 4090、Forge Neo)で、絵はほぼ同じです。Comfy-Org の moss_image_*_int8_convrot と同じ形式です。

FFF_MOSS-Alba-style-v2 (LoRA)

The style of FFF_MOSS-Alba-v1 as a LoRA (rank 64), for other checkpoints built on MOSS-Image Base. On MOSS-Image SFT itself, use FFF_MOSS-Alba-v1 instead.

FFF_MOSS-Alba-v1 の画風を LoRA(rank 64)にしたもので、MOSS-Image Base を元にしたほかの checkpoint 向けです。MOSS-Image SFT で使うなら、FFF_MOSS-Alba-v1 を使ってください。

Left: MOSS Cat Tower v2.0 (INT8) alone, with "anime illustration" added to the prompt. Right: the same seed with style-v2 instead.
左: MOSS Cat Tower v2.0(INT8)単体、プロンプトに「anime illustration」を追加。右: 同じ seed で、代わりに style-v2 を当てたもの。

best quality, highres, <your tags or sentences> <lora:FFF_MOSS-Alba-style-v2:1>

• No trigger word. Keep the weight at 1.0. Same negative prompt as above (blush, embarrassed matters more here: without it, blush comes out more often than with FFF_MOSS-Alba-v1).

• Use it on an INT8 or FP8 checkpoint. The LoRA is the fine-tune's weight change, which is about the size of one bf16 rounding step; Forge Neo and ComfyUI write a LoRA into bf16 weights with round-to-nearest, which drops part of it and changes the picture, while INT8 / FP8 weights are re-quantized with stochastic rounding and keep it on average.

• Tested on Kromoss (INT8 ConvRot) and MOSS Cat Tower v1.0 / v2.0 (INT8): the style comes through on all of them. How often a blush appears depends on the checkpoint (Cat Tower blushes a lot on its own), so keep blush, embarrassed in the negative prompt.

• trigger はありません。倍率は 1.0 のままで。ネガティブは上と同じです(blush, embarrassed はこちらの方が大事で、無いと FFF_MOSS-Alba-v1 より赤面が多く出ます)。

• INT8 か FP8 の checkpoint に当ててください。この LoRA は fine-tune で変わった重みの差で、大きさが bf16 の丸めの刻みほどしかありません。Forge Neo と ComfyUI は bf16 の重みには LoRA を最も近い値への丸めで書き込むので一部が消えて絵が変わり、INT8 / FP8 の重みは確率的な丸めで量子化し直すので平均では残ります。

• Kromoss(INT8 ConvRot)と MOSS Cat Tower v1.0 / v2.0(INT8)で試し、どれにも画風が乗りました。赤面の出やすさは checkpoint によって違う(Cat Tower は元から赤面が多い)ので、ネガティブの blush, embarrassed は残してください。

FFF_MOSS-Alba-style-v1 (earlier LoRA, superseded)

The first release (2026-10-24): a style LoRA (dim 16) trained directly on MOSS-Image Base with the background masked out. Use it on MOSS-Image SFT (or Base) at 1.0 with @fyfnt at the head of the prompt (optional) and the same negative prompt. Its samples are samples/classroom.png and samples/street.png. v2 and the model above come instead from a full fine-tune on the same kind of teacher pictures, with natural-language captions as well as tags.

最初の公開(2026-10-24)。MOSS-Image Base に背景をマスクして直接学習した画風 LoRA(dim 16)です。MOSS-Image SFT(または Base)に倍率 1.0 で当て、プロンプトの先頭に @fyfnt(任意)、ネガティブは上と同じです。生成例は samples/classroom.png と samples/street.png。v2 と上のモデルは、同じ種類の教師画像で full fine-tune したもので、caption にタグだけでなく自然文も使っています。

Files

File	Size	SHA256
FFF_MOSS-Alba-v1_int8_convrot.safetensors	5.41 GB	5c1b91c53cf4a36e44485fb028fc4329f84e567a644a21aa26e40b6649223d40
FFF_MOSS-Alba-v1.safetensors	10.16 GB	d394b0230b6301310a3b070fe49c9ff42c6824c993a642077f61cac7ad1dca59
FFF_MOSS-Alba-style-v2.safetensors	297 MB	b41408ac8511afb484bd08f5de88e5c8d3befc2f165d332f1bc13fe41cb9bf33
FFF_MOSS-Alba-style-v1.safetensors	74.4 MB	4e54872c45dcb4025777cd5def4dba269739e53a388f881f7b2662b219ca9a08

The model files are DiT only, in the Comfy-Org single-file layout (fused proj.qkv); they load in Forge Neo and ComfyUI like moss_image_sft_*. The LoRAs use the sd-scripts key layout (lora_unet_layers_*, separate q / k / v). No text encoder weights are included.

モデルのファイルは DiT だけで、Comfy-Org の単一ファイル形式(proj.qkv をまとめた形)です。Forge Neo と ComfyUI で moss_image_sft_* と同じように読めます。LoRA は sd-scripts のキー形式(lora_unet_layers_*、q / k / v 別)です。text encoder の重みは含みません。

Training

A full fine-tune of MOSS-Image Base with Fizgig: 1,377 pictures generated with FFF_ANIMA-Alba, each with two captions (the tags it was generated from, and a plain-English description written by Qwen3-VL-4B with the tags as hints). The loss was masked to the people (background weight 0), so MOSS-Image keeps drawing the scenes. 1 MP, LR 1e-5, Adafactor, 2 rotations (5,508 steps). The text encoder was not trained.

FFF_MOSS-Alba-v1 is MOSS-Image SFT plus the full weight change of that fine-tune (fine-tuned Base minus Base). FFF_MOSS-Alba-style-v2 is the same change reduced to rank 64 by SVD. The INT8 ConvRot file was made with quantize_convrot.py from lodestones/Kromoss, which reproduces Comfy-Org's MOSS-Image INT8 files bit for bit.

Fizgig で MOSS-Image Base を full fine-tune しました。教師は FFF_ANIMA-Alba で生成した 1,377 枚で、1 枚ごとに caption が 2 つ(生成に使ったタグと、タグを手がかりに Qwen3-VL-4B が書いた英語の説明文)あります。loss は人物の領域だけに掛け(背景の重み 0)、背景は MOSS-Image の描き方を残しています。1MP、LR 1e-5、Adafactor、2 rotation(5,508 step)。text encoder は学習していません。

FFF_MOSS-Alba-v1 は、この fine-tune で変わった重み(fine-tune 後の Base − Base)を全部 MOSS-Image SFT に足したものです。FFF_MOSS-Alba-style-v2 は同じ差を SVD で rank 64 にしたものです。INT8 ConvRot は lodestones/Kromoss の quantize_convrot.py で作りました(Comfy-Org の MOSS-Image の INT8 ファイルをビット単位で再現する作りです)。

License

Apache License 2.0 (LICENSE), the same as the MOSS-Image weights. The teacher pictures were generated with FFF_ANIMA-Alba, whose license (CircleStone Labs Non-Commercial License v1.2) places no restriction on the use of generated images, so nothing from that license carries over here. Generated images are yours.

Apache License 2.0(LICENSE)。MOSS-Image の重みと同じです。教師画像は FFF_ANIMA-Alba で生成したもので、その license(CircleStone Labs Non-Commercial License v1.2)は生成画像の利用を制限していないため、ここには引き継がれません。生成した画像は利用者のものです。

Civitai: model https://civitai.com/models/3034445/fffmoss-alba / style LoRA https://civitai.com/models/3017759/fffmoss-alba-style