与Sora关键技术一致，腾讯混元文生图大模型宣布全面开源
2024-05-14 14:58
订阅
新京报贝壳财经讯（记者 白金蕾）5月14日，腾讯旗下混元文生图大模型（下称：混元DiT，Scalable Diffusion Models with Transformers）宣布全面升级并对外开源。腾讯混元文生图负责人卢清林表示，混元DiT开源的价值有两方面，一方面这是业内首个中文原生DiT架构，弥补了开源社区的空白；另一方面混元DiT为全面开放，与现网版本完全一致。
据卢清林介绍，之所以做这次开源尝试，是由于目前开源社区中技术快速迭代，缺乏先进、成熟的DiT架构可以开源利用。此外，现有模型对中文理解较差，中文应用场景受限。此次开源的混元DiT采用了与Sora同样的背后关键技术——DiT架构，还支持256字符中文理解，全链路自研，也是一款原生中文模型。
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，可供企业与个人开发者免费商用。
这是业内首个中文原生的DiT架构文生图开源模型，支持中英文双语输入及理解，参数量15亿。升级后的混元文生图大模型采用了与 sora 一致的DiT架构，不仅可支持文生图，也可作为视频等多模态视觉生成的基础。
编辑 李铮
校对 王心
