腾讯推出全新升级的混元文生图大模型，并开放源代码
腾讯公司最近宣布，其混元文生图大模型已经完成全面升级，并且现在对所有企业和个人开发者开放源代码。开发者可以在Hugging Face平台和Github上免费获取到包括模型权重、推理代码和算法在内的完整模型套件，且该模型支持商业用途。
中文原生DiT架构的开创性模型
此次升级后的混元文生图大模型采用了行业内首个中文原生的DiT（Diffusion With Transformer）架构，支持中英文双语输入和理解，拥有高达15亿的参数量。
性能卓越，国际领先
根据评测数据，腾讯的混元文生图大模型在效果上远超其他开源模型，如Stable Diffusion，是目前最优秀的开源文生图模型之一，整体性能达到国际领先水平。
技术创新与算法优化
腾讯混元文生图团队自2023年7月起便致力于基于DiT架构的模型研发。团队不仅优化了模型的长文本理解能力，支持最多256个字符的内容输入，还在算法层面实现了多轮生图和对话能力，允许在初始生成的图片基础上通过自然语言描述进行调整，以获得更满意的效果。
中文理解的深度优化
混元文生图大模型是首个具备中英文双语理解及生成能力的DiT模型，特别在处理古诗词、俚语、传统建筑、中华美食等中国元素时表现出色。
技术难点的突破
面对Transformer架构在文生图领域的应用难点，腾讯混元文生图团队通过算法层的改进和数据质量的优化，成功构建了基于DiT架构的文生图模型，并在原DiT基础上进行了创新性改进。
工程加速与效率提升
为了提升模型训练与运行效率，腾讯混元文生图团队构建了专属的工程加速工具库，并利用腾讯自研的Angel机器学习平台，显著提升了训练和推理的速度。
效果提升明显
细粒度语义理解（语义理解准确，准确性提升，同时画面质感提升)
“一只长靴猫手持亮银色的宝剑，身着铠甲，眼神坚毅，站在一堆金币上，背景是暗色调的洞穴，图像上有金币的光影点缀。”
复杂语义理解&质感提升
“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，清爽的白色T恤和合身的黑色皮夹克，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。”
人像真实感与画面质感
“中年亚洲男性穿着休闲装在办公室中微笑着，他的表情充满自信，展现出优雅的气质。”
中国元素
“水墨画，一条蜿蜒的山径，杏花如雪般铺满道路两侧，花瓣随风飘落，显得格外美丽，背景是春天的山野，镜头是中景。”
实际应用与开源共享
腾讯混元文生图大模型已经在多个业务场景中得到应用，如广告创意、新闻内容生产等。此次开源，旨在与行业共享腾讯在文生图领域的实践经验，推动中文文生图技术研发和应用，共建下一代视觉生成开源生态。
腾讯文生图负责人芦清林表示，腾讯混元文生图的研发理念是实用主义，致力于将研究成果转化为实际应用，并希望通过开源，促进大模型技术的发展。
截至目前，腾讯已在Github上开源超过170个项目，获得了超过47万开发者的关注和认可。