5月14日,腾讯宣布其旗下混元文生图大模型全面升级,并对外开源。这也是首个中文原生的类 Sora 架构开源模型,填补了国产大模型在文生图先进架构上的空白。

中文原生,Sora 同款先进架构

人工智能是发展新质生产力的重要引擎,而大模型又是人工智能技术的重要发展方向。其中,文生图是大模型应用的重点领域,有着广泛的应用前景。

目前,主流的文生图开源生态基本围绕英文建设,像 Stable Diffusion 等主流开源模型,虽然一定程度支持中文输入,但其核心数据集仍以英文为主,对中国的语言、美食、文化、习俗都理解不够,更容易因翻译而产生语义分歧乃至生成错误。建设自主可控且中文原生的大模型以及相应的开源生态迫在眉睫。

腾讯混元文生图大模型,就是腾讯从零开始训练,从模型算法、机器学习框架到人工智能基础设施全链路自研的实用级大模型。

混元文生图以中文原生为基础,支持中英文双语输入及理解,更理解中文语境,对中国的古诗词、俚语、美食、文化、习俗等都有更好的生成效果。

此外,升级后的混元文生图模型采用了基于Transformer的扩散模型架构(简称DiT),具备更强的可扩展性,在参数量越多的情况下,性能越强,有利于提升视觉模型生成效果及效率。这也是此前爆红的文生视频产品Sora 背后的关键技术。

目前,腾讯混元文生图模型参数量达15亿。评测数据显示,最新的腾讯混元文生图模型效果相比前代提升超过20%,远超开源的Stable Diffusion模型,在目前已开源的文生图模型中,综合性能最佳,达到国际领先水平。

面向实用,丰富中文文生图开源生态

腾讯混元的文生图能力,已经广泛被用于素材创作、商品合成、游戏出图等多项业务及场景中。今年初,腾讯广告基于腾讯混元大模型,发布了一站式 AI 广告创意平台腾讯广告妙思,可为广告主提供文生图、图生图、商品背景合成等多场景创意工具。多家主流媒体也已经将腾讯混元文生图用于新闻内容的辅助生产。

腾讯文生图负责人芦清林表示:“腾讯混元文生图的研发思路就是实用,坚持从实践中来,到实践中去。此次把最新一代模型完整开源出来,是希望与行业共享腾讯在文生图领域的实践经验和研究成果,共建中文文生图开源生态,加速大模型行业发展。”

基于腾讯此次开源的文生图模型,开发者和企业无需从头训练,即可直接用于推理,并可基于混元文生图打造专属的AI绘画应用及服务,能够节约大量人力及算力。透明公开的算法,也让模型的安全性和可靠性得到保障。

同时,基于开放、前沿的混元文生图基础模型,也有利于在以英文为主的文生图开源社区之外,丰富以中文为主的文生图开源生态,形成更多样的原生插件,推动中文文生图技术研发和应用。

在开源上,腾讯一直持开放态度,开源了超过 170 个优质项目,均来源于腾讯真实业务场景,覆盖微信、腾讯云、腾讯游戏、腾讯AI、腾讯安全等核心业务板块,目前已累计获得超 47 万开发者关注及点赞。

编辑:黄昂瑾
更多精彩资讯请在应用市场下载“央广网”客户端。欢迎提供新闻线索,24小时报料热线400-800-0088;消费者也可通过央广网“啄木鸟消费者投诉平台”线上投诉。版权声明:本文章版权归属央广网所有,未经授权不得转载。转载请联系:cnrbanquan@cnr.cn,不尊重原创的行为我们将追究责任。
长按二维码
关注精彩内容