今日，腾讯旗下引人注目的混元文生图大模型（混元DiT）宣布全面开源，这一重要举措标志着人工智能领域的又一里程碑。该模型已在Hugging Face和Github平台上发布，包含完整的模型权重、推理代码和算法，面向全球的企业与个人开发者免费开放商用。
腾讯混元文生图大模型的负责人卢清林表示，混元DiT的开源具有双重价值。首先，作为业内首个中文原生DiT架构，它填补了开源社区的空白，为中文领域的多模态视觉生成提供了强有力的支持。其次，混元DiT的开源是全面开放的，与现网版本完全一致，保证了开发者和用户能够获取到最先进、最实用的技术。
此次开源的混元DiT采用了与Sora同样的关键技术DiT架构，不仅支持256字中文理解，还能够作为视频等多模态视觉生成的基础。为了实现这一功能，腾讯团队精心设计了Transformer结构、文本编码器和位置编码，并构建了完整的数据管道，用于持续更新和评估数据，为模型的优化迭代提供了有力支持。
值得一提的是，混元DiT还通过训练多模态大语言模型来优化图像的文本描述，实现了细粒度的文本理解。这使得用户能够与之进行多轮对话，根据上下文生成并完善图像，为创意设计和内容创作提供了无限可能。
腾讯混元文生图大模型的全面开源，无疑将为全球的开发者和用户带来更为广阔的创新空间和应用前景。我们期待这一技术的进一步发展和应用，为人工智能领域带来更多的惊喜和突破。
项目地址：https://github.com/Tencent/HunyuanDiT
多模态文生图开发者大模型人工智能视觉生成githubgit多轮对话引人注目无限可能文本编码文本理解中文理解多模态大语言模型上下文hugging face数据管道transformer创意设计
