星海算力云：【腾讯混元】无需部署，一键云启动

在文生图模型技术日益成熟之际，仍有众多设计爱好者在Midjourney的咒语中苦练，却难以召唤出令人满意的图像。

设计界的专业术语、不甚准确的英文翻译，以及对中国古代建筑的一知半解，充斥着当前的文生图工具，这在很大程度上是由于国内众多团队依赖于翻译后的英文开源Stable Diffusion模型，或是仅基于有限的中文数据在特定场景进行微调（finetune）。这两种方法都面临着对中文理解的不足和缺乏通用性的问题。

为了解决这些难题，腾讯携其创新的中文原生文生图大模型隆重登场。

5月14日，腾讯宣布开源其混元文生图大模型，这标志着国内首个采用DiT（Dual-Path Transformers）架构的中文原生模型问世。该模型不仅具备中英文双语的深度理解与生成能力，更在古诗词、俚语、传统建筑、中华美食等富含中国特色的元素生成上展现出卓越的性能。

比如同样是含有“昆曲”、“狗不理包子”关键词的Prompt，对比不同对文生图模型，混元生成了最匹配对图片：

为了进一步降低了用户的使用门槛，解决几个Prompt搞不定一张图的难题，对比此前大多数文生图模型77个字符的输入，混元支持最多256个字符的输入，简直是文生图界的“Kimi”了。

"文生图也需DiT架构？"

混元文生图大模型的独特之处，根植于其底层技术架构的创新。在架构设计上，该模型采纳了DiT（Dual-Path Transformers）架构，不仅支持中英文双语输入及理解，更拥有高达15亿的参数量。

DiT架构，由Sora引领潮流，巧妙地融合了扩散模型与Transformer架构的长处，赋予了模型强大的视觉生成能力。这种架构的灵活性不仅限于文生图领域，更可扩展至视频制作和其他多模态视觉内容的生成，奠定了其作为未来视觉内容生成的基石。

据消息透露，腾讯混元团队坚信，基于Transformer架构的扩散模型（如DiT）拥有更广阔的可扩展性，有潜力成为下一代视觉生成技术的主流架构，甚至可能统一文生图、视频生成、3D内容生成等多模态视觉生成领域。

“Transformer架构展现出了惊人的扩展潜力，我们至今仍未触及其极限，这也是我们坚定选择Transformer架构的原因。”腾讯文生图项目的负责人芦清林如是说。

混元文生图大模型自2023年7月明确了基于Transformer架构的发展方向，并投入了长达半年的研发、优化与精细打磨。到了2024年2月，模型基础架构已从U-Net成功升级至Transformer，标志着其技术进步的又一里程碑。

部署流程

1、注册算力云平台：星海算力

https://gpu.spacehpc.com/

注意1：星海算力有欠费透支功能，大概可以免费体验3小时！

注意2：还可以联系星海客服人员免费领取50元券，差不多可免费体验1天！

2、选择32GB显存的显卡，这边推荐ad103（和4090性能差不多），或者推荐V100 32GB显存（性能差点）

3、选择镜像市场，点击更换镜像，选择腾讯混元镜像，最后点击立刻创建即可

4、创建成功等待4-5分钟，等虚拟机开启，开启成功后，打开应用，即可测试腾讯混元镜像

注意：腾讯混元模型比较大，所以开机以后点hunyuan跳转访问不到就稍等一下再访问

关于星海算力云

欢迎使用星海算力云，星海算力云由北京三轴空间科技有限公司开发，由非盈利组织龙游星海算力产业中心运营的高性能GPU算力云平台。

星海团队长期致力于为图像渲染、科研高性能计算等提供服务。星海AI算力服务平台，获超高速增长，团队规模有100余人，服务了国内AI行业的许多一线团队。