首個(gè)中文原生DiT架構 騰訊混元文生圖大模型宣布全面開(kāi)源

快科技今日（5月14日）消息，首個(gè)生圖今日，中文騰訊旗下混元文生圖大模型（混元DiT，原生元文源Diffusion Models with Transformers）宣布全面開(kāi)源。構騰

目前已在Hugging Face、訊混型宣Github上發(fā)布，大模包含模型權重、布全推理代碼、面開(kāi)模型算法等完整模型，首個(gè)生圖供企業(yè)與個(gè)人開(kāi)發(fā)者免費商用。中文

據媒體報道，原生元文源騰訊混元文生圖負責人盧清林表示，構騰混元DiT開(kāi)源的訊混型宣價(jià)值有兩方面。

一方面這是大模業(yè)內首個(gè)中文原生DiT架構，彌補了開(kāi)源社區的布全空白，另一方面混元DiT為全面開(kāi)放，與現網(wǎng)版本完全一致。

據介紹，此次開(kāi)源的混元DiT采用了與Sora同樣的背后關(guān)鍵技術(shù)——DiT架構，還支持256字中文理解，不僅支持文生圖，也可作為視頻等多模態(tài)視覺(jué)生成的基礎。

騰訊方面表示，為了構建混元DiT設計了Transformer結構、文本編碼器和位置編碼，構建了完整的數據管道，用于更新和評估數據，為模型優(yōu)化迭代提供幫助。

為了實(shí)現細粒度的文本理解，還訓練了多模態(tài)大語(yǔ)言模型來(lái)優(yōu)化圖像的文本描述。

最終，混元DiT能夠與用戶(hù)進(jìn)行多輪對話(huà)，根據上下文生成并完善圖像。