---
title: "OpenMOSS-Team/MOSS-Image-Base — Hugging Face'te Öne Çıkan Metinden Görsele Model"
url: https://blog.edumints.com/openmoss-team-moss-image-base-hugging-face-te-one-cikan-metinden
category: "LLM"
date: 2026-10-23T15:05:40.345Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hugging Face"
source_url: https://huggingface.co/OpenMOSS-Team/MOSS-Image-Base
---

# OpenMOSS-Team/MOSS-Image-Base — Hugging Face'te Öne Çıkan Metinden Görsele Model

**OpenMOSS-Team/MOSS-Image-Base**, OpenMOSS tarafından geliştirilen MOSS-Image ailesinin temel metinden görsele (text-to-image) üretim modelidir. Hugging Face üzerinde 5.618 indirme ve 511 beğeniye ulaşan model, Apache-2.0 lisansı ile açık kaynaklı olarak sunulmaktadır. Hem İngilizce (`en`) hem de Çince (`zh`) dillerini destekleyen yapı; doğal dil istemlerini (prompt), etiket dizilerini ve metin yerleşimi ile nesne düzenini kontrol etmeye yarayan JSON tabanlı yerleşim (layout) şemalarını işleyebilmektedir.

## Base ve SFT Karşılaştırması

Model ailesinde temel sürüm olan **MOSS-Image-Base** ile ince ayar yapılmış **MOSS-Image-SFT** versiyonları bulunur. Sağlanan örnek senaryolarda, SFT sürümünün temel modele kıyasla daha net metin gruplaması ve daha düzenli bir beyaz tahta yerleşimi ürettiği görülmektedir. Geliştiriciler için bu durum, kendi özel veri setleriyle ince ayar (fine-tuning) veya LoRA eğitimi yapacaklarsa Base modeli, doğrudan son kullanıcıya yönelik düzenli çıktılar hedefliyorlarsa SFT sürümünü tercih etmeleri gerektiğini gösteren önemli bir mimari çıkarımdır.

## Hızlı Başlangıç ve Kurulum

Modeli çalıştırmak için Python 3.10+ sürümü, CUDA destekli bir NVIDIA GPU ve PyTorch 2.9+ ortamı gereklidir. Gerekli kütüphaneler (`diffusers`, `transformers`, `accelerate`, `safetensors`, `Pillow`) kurulduktan sonra `DiffusionPipeline` üzerinden `custom_pipeline="pipeline_moss_image"` ve `trust_remote_code=True` parametreleriyle model kolayca yüklenebilir.

Yazılım mühendisliği ve bellek optimizasyonu açısından dikkat çeken pratik detaylar şunlardır:
- **Karma Hassasiyet (Mixed Precision):** Transformer ve metin kodlayıcı bileşenleri bellek tasarrufu için `torch.bfloat16` kullanırken, görsel kalitesini korumak adına VAE (FLUX.2 küçük kod çözücü) ve başlangıç gürültüsü `torch.float32` veri tipinde çalıştırılır.
- **Ekosistem Entegrasyonu:** Model ve özel boru hattı kodu otomatik olarak indirilir ve önbelleğe alınır; ayrıca yerel bir dizinden de yüklenebilir. Görsel arayüz veya iş akışı araçları kullanan ekipler için Gradio arayüzü, CPU offload seçenekleri ve ComfyUI Manager üzerinden kurulabilen yerel eklenti desteği mevcuttur.

## Örnekleme (Sampling) Ayarları

Üretim sürecini optimize etmek için kullanılan varsayılan parametreler şunlardır:
- **Sampler:** Flow-matching Euler
- **Adım Sayısı (Steps):** 50
- **CFG (Guidance Scale):** 3.0
- **Shift:** 5
- **Katman Atlama (Layer Skipping):** Negatif dal, 22. katman indeksi (`uncond_skip_layers=[22]`)
- **Negatif İstem:** Boş

Varsayılan yönlendirme her adımda iki transformer ileri beslemesi (forward) kullanır. Negatif dal atlamayı devre dışı bırakmak için `uncond_skip_layers=[]` verilebilir. Python API üzerinden görsel üretirken çözünürlük boyutlarının 16'nın pozitif katları olması zorunludur.

## İstem Geliştirici Yeteneği (Prompt Enhancer Skill) ve JSON Yerleşimi

**MOSS-Image Prompt Enhancer**, basit görsel fikirlerini detaylı açıklamalara veya mekansal yerleşim (Layout) istemlerine dönüştüren bir araçtır. Yerel dosya ve Python araçlarına sahip GPT-6 ailesi ajanlar için tasarlanmıştır. Paket içerisindeki betik, piksel koordinat taslaklarını tam sayılı merkezlenmiş koordinatlara sahip kompakt JSON formatına dönüştürür; doğrudan bir görsel üretim servisini çağırmaz. 

Ajanınızın yetenekler dizinine ilgili klasörü kurup `$moss-image-prompt-enhancer` komutunu çağırdığınızda, derlenen JSON çıktısını doğrudan modelin pozitif istemine yapıştırabilirsiniz. **Yerleşimden görsele üretim (Layout-to-image)** özelliği sayesinde sahneyi, görsel üzerine yazılacak metinleri, nesneleri ve konumlarını JSON formatında tanımlayarak deterministik ve kontrollü görsel üretimi gerçekleştirebilirsiniz.

---

**Kaynak:** Hugging Face (https://huggingface.co/OpenMOSS-Team/MOSS-Image-Base)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/openmoss-team-moss-image-base-hugging-face-te-one-cikan-metinden