前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >腾讯混元文生图大模型全面开源!

腾讯混元文生图大模型全面开源!

作者头像
小腾资讯君
发布2024-05-14 17:51:51
5460
发布2024-05-14 17:51:51

和大家汇报:

刚刚,腾讯混元文生图大模型,全面升级并对外开源!

作为业内首个中文原生的DiT架构开源模型,腾讯混元文生图支持中英文双语输入及理解。

除直接用于文生图,也可作为视频等多模态视觉生成的基础。

图片
图片

介绍一下,我的几项标签:

//DiT架构

优秀的大模型,离不开领先的技术架构。

去年7月,腾讯混元文生图团队就明确了基于DiT架构的模型方向。

(DiT是基于Transformer的扩散模型架构,是Sora、Stable Diffusion 3 也选用的关键技术。)

今年初,腾讯混元文生图完成了模型架构的全面升级,相比上一代整体效果提升超过20%。

//中文原生

此前,Stable Diffusion等主流文生图开源模型,核心数据集以英文为主,基于Stable Diffusion的中文应用本质上是通过中译英的方式处理文本。

碰上古诗词、民间俚语、传统建筑等中国元素,又或者「红烧狮子头」「老婆饼」「鱼香肉丝」等特色词汇,容易出现较大的理解偏差。

中文原生的腾讯混元文生图,母语就是中文:

图片
图片

通过对汉语字符系统、文化内涵的深度学习,对国风元素和中文复杂性有更深刻的理解。

文生图提示词:请将“杞人忧天”的样子画出来

图片
图片

中文输入后,直接中文理解,不会因翻译产生语义分歧。

//表现提升

- 多轮对话:通过自然语言对话不断微调,修改主体、背景、元素及风格,整体画面保持高一致性。

多轮文生图提示词:(1)画一名德国男性;(2)让他再德国一些;(3)让他更德国一些。

图片
图片

多轮文生图提示词:(1)画一朵长在森林中的白色玫瑰;(2)背景换成室内,花插在瓶中;(3)将花改为百合花;(4)花瓣改为粉色;(5)让蝴蝶落在花瓣上;(6)改成动漫风格。

图片
图片

- 人像提升:质感升级,减少畸变,支持不同职业、年龄、身材、视角、景别人像。

图片
图片

- 长文本理解:能分析和理解长篇文本中的信息并生成相应艺术作品。

文生图提示词:一张细致的照片捕捉到了一尊雕像的形象,这尊雕像酷似一位古代法老,头上出人意料地戴着一副青铜蒸汽朋克护目镜。这座雕像穿着复古时髦,一件清爽的白色T恤和一件合身的黑色皮夹克,与传统的头饰形成鲜明对比。背景是简单的纯色,突出了雕像的非传统服装和蒸汽朋克眼镜的复杂细节。

图片
图片

//全面开源

目前,腾讯混元文生图大模型已在 Hugging Face 平台及 Github 上发布,包含模型权重、推理代码、模型算法等完整模型。

不管是企业还是个人开发者,全部免费可用。

此次混元文生图将新一代模型完整开源,也是希望进一步共享经验,惠及行业,共建下一代视觉生成开源生态。

最后,附上我们的开源地址,欢迎拍砖↓

https://dit.hunyuan.tencent.com/

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系转载前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
腾讯混元大模型
腾讯混元大模型(Tencent Hunyuan)是由腾讯研发的大语言模型,具备强大的中文创作能力,复杂语境下的逻辑推理能力,以及可靠的任务执行能力。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档