Como escrever prompts para o MOSS-Image

O MOSS-Image lê três tipos de prompt. Uma legenda, o padrão, é um texto corrido e coeso sobre tudo o que dá para ver: assunto e ação, aparência, cenário, câmera e enquadramento, meio, luz, materiais, paleta e clima, com a posição das coisas dita em palavras. Tags são palavras-chave no estilo anime, separadas por vírgulas. Um layout é um prompt em JSON que coloca cada bloco de texto e cada objeto na sua própria caixa, explicado mais abaixo.

Texto corrido e estrutura podem ser combinados, e uma imagem detalhada não precisa de layout. Recorra a ele só quando o posicionamento precisa ser exato: um pôster, um cardápio, vários quadros ou objetos que precisam ficar em lugares definidos.

O texto é um dos grandes pontos fortes do MOSS-Image, em inglês e em chinês. Coloque as palavras entre aspas exatamente como devem aparecer, no idioma delas, mantendo maiúsculas, pontuação e quebras de linha, e separe-as do que você diz sobre elas: uma placa que diz "OPEN", e não "escreva open na placa de um jeito divertido".

O MOSS-Image quebra textos longos em linhas por conta própria, e nem sempre onde você quer. Coloque uma quebra de linha real no prompt onde cada linha deve terminar, como no exemplo do post-it acima.

Um prompt de layout é um prompt experimental em JSON. O "summary" descreve a imagem toda e o estilo; a lista "items" traz cada bloco de texto e cada objeto com uma legenda, as palavras exatas no caso de texto e uma caixa. Cole tudo no prompt em uma única linha.

As caixas são coordenadas em pixels medidas a partir do centro da imagem, escritas como topo, esquerda, base, direita. Desenhe primeiro cada caixa do jeito habitual, do canto superior esquerdo (x1, y1) ao canto inferior direito (x2, y2), em uma imagem de W pixels de largura e H pixels de altura. Depois subtraia metade da altura de cada y e metade da largura de cada x, e escreva na ordem y1, x1, y2, x2. Em um quadrado de 1024 por 1024, um título de x 128 a 896 e de y 96 a 224 vira [-416, -384, -288, 384].

As caixas precisam corresponder à imagem que você gera: a proporção 1:1 na resolução 1K tem 1024 por 1024 pixels. Para outro formato, gere antes uma imagem nessa proporção e resolução, confira a largura e a altura e desenhe suas caixas para esse tamanho.

O MOSS-Image não aceita uploads, Characters nem References: tudo vem das palavras. Para manter uma pessoa igual em uma série, escreva uma descrição fixa dela (idade, porte, rosto, cabelo, roupa) e cole palavra por palavra em cada prompt, mudando só as frases sobre a cena. Fixe também a Seed.

Para combinar com uma imagem que você já tem, ou com um Character salvo, use um modelo que aceite referências, como o Mango.

Nomeie o meio com precisão: fotografia em filme 35mm, retrato editorial de estúdio, ilustração em aquarela, pôster vetorial chapado, key visual de anime. Depois descreva a luz pela fonte e pela cor ("luz quente de abajur no rosto dele contra o azul frio do entardecer lá fora") em vez de usar palavras de humor.

Para um estilo que o modelo base não tem, adicione uma LoRA da comunidade do MOSS-Image em Modelo. Ela começa com intensidade 0,5; aumente em direção a 1 se o estilo mal aparecer e diminua se o estilo dominar o assunto.

Steps e Guidance Scale começam com a receita do próprio modelo, 50 passos com guidance 3, e esse é o melhor lugar para eles. Menos passos rodam mais rápido, mas perdem detalhes. Aumente o Guidance Scale para algo entre 4 e 6 só quando um prompt curto sair solto; um prompt longo e detalhado não precisa de mais que 3.

O prompt negativo vem vazio por padrão. Quando algo que você não quer continuar aparecendo, comece com "worst quality, bad anatomy, watermark, jpeg artifact" e vá acrescentando. Com Guidance Scale 1, o prompt negativo não faz nada, então o app o oculta.