ध्यान का मिश्रण (MoA) एक नया ढाँचा है जो व्यक्तिगत पाठ-से-छवि प्रसार मॉडल के लिए प्रयोग किया जाता है। यह दो ध्यान पथों - व्यक्तिगत शाखा और गैर-व्यक्तिगत पूर्व शाखा - के माध्यम से निर्माण कार्यभार को आवंटित करता है। MoA को मूल मॉडल के पूर्व को बनाए रखने के लिए डिज़ाइन किया गया है, जबकि व्यक्तिगत शाखा के माध्यम से न्यूनतम हस्तक्षेप के साथ निर्माण प्रक्रिया को संचालित किया जाता है। यह शाखा पूर्व शाखा द्वारा उत्पन्न लेआउट और संदर्भ में विषयों को एम्बेड करना सीखती है। MoA इन शाखाओं के बीच प्रत्येक परत के पिक्सल के वितरण का प्रबंधन करने के लिए एक नए प्रकार की रूटिंग प्रणाली का उपयोग करता है ताकि व्यक्तिगत और सामान्य सामग्री निर्माण के मिश्रण का अनुकूलन किया जा सके। प्रशिक्षण के बाद, MoA उच्च-गुणवत्ता वाली, व्यक्तिगत छवियों का निर्माण कर सकता है जो कई विषयों की संरचना और बातचीत दिखाती हैं, जो मूल मॉडल द्वारा उत्पन्न छवियों की तरह ही विविध हैं। MoA मॉडल की पूर्व क्षमताओं और नए व्यक्तिगत हस्तक्षेप के बीच अंतर को बढ़ाता है, जिससे पहले कभी प्राप्त न की जा सकने वाली अधिक पृथक विषय-संदर्भ नियंत्रण प्रदान करता है।