腾讯混元3D生成大模型“ Hunyuan3D-1.0”正式开源

最新推荐文章于 2025-02-07 15:12:48 发布
最新推荐文章于 2025-02-07 15:12:48 发布
阅读量1.1k 收藏 1
点赞数 4
分类专栏： 人工智能 文章标签： 开源 人工智能 aigc 3d
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41446370/article/details/143568449
版权

腾讯公司近日宣布，其最新的MoE模型“混元Large”以及混元3D生成大模型“Hunyuan3D-1.0”已正式开源，供企业及开发者免费下载并商用。

腾讯混元3D生成大模型是业界首个同时支持文字、图像生成3D的开源大模型，首批开源模型包含轻量版和标准版，轻量版能在10秒内生成高质量3D资产。该模型已在技术社区公开发布，包含模型权重、推理代码、模型算法等完整模型，可供开发者、研究者等各类用户免费使用。

在这里插入图片描述

腾讯混元3D生成大模型解决了现有3D生成模型在生成速度和泛化能力上的不足，帮助3D创作者和艺术家自动化生产3D资产。该模型具有强大的泛化能力和可控性，可重建各类尺度物体，从建筑到工具花草。在两个公开的3D数据集GSO与OmniObject3D上，混元3D生成大模型的效果优于主流开源模型，整体能力属于国际领先水平。

未来，腾讯混元将继续带来更多模态、更多尺寸的开源模型，将更多经过腾讯业务场景打磨和检验的模型开源，以促进大模型技术进步和行业生态繁荣。

腾讯3D模型访问地址

官网地址: https://3d.hunyuan.tencent.com/

Github 地址: https://github.com/Tencent/Hunyuan3D-1

Hugging Face 模型地址: https://huggingface.co/tencent/Hunyuan3D-1

Gitee地址: https://gitee.com/Tencent/Hunyuan3D-1

感谢大家花时间阅读我的文章，你们的支持是我不断前进的动力。点赞并关注，获取最新科技动态，不落伍！🤗🤗🤗

腾讯混元-3D：首个同时支持文生和图生的3D开源模型
这里汇聚了前沿的技术分享与实用的开发技巧，带你探索从创意到企业的技术创业之路。
11-15 577
混元-3D 作为首个同时支持文生和图生的3D开源模型，凭借其快速生成、泛化能力强和高度可控等优势，为3D技术的发展提供了新的可能性。无论是虚拟现实、游戏开发、建筑设计还是教育和培训，混元-3D 都能提供高性能、低门槛的解决方案。如果你对3D技术感兴趣，不妨试试混元-3D，相信它会给你带来惊喜的体验。官方地址开源代码。
腾讯混元视频大模型再进化！HunyuanVideo-I2V重磅开源：高精度图生视频+自定义特效生成
最新发布
这里汇聚了前沿的技术分享与实用的开发技巧，带你探索从创意到企业的技术创业之路。
03-21 97
HunyuanVideo-I2V的开源标志着AI视频生成进入「高精度可控时代」。开发者现可通过GitHub获取全套资源，结合LoRA微调打造专属视频生成工具。让我们共同探索多模态生成的无限可能！（技术文档详见：腾讯混元项目页）优化亮点采用「核心功能前置」结构，首屏即呈现技术亮点技术解析采用「问题-方案」对照表述，增强可读性代码段增加注释说明，降低开发者理解成本添加应用场景可视化描述，拓展读者想象空间突出开源生态建设规划，增强技术信任度关键参数使用「数据标红」处理（示例中已用符号标注）
Tencent Hunyuan3D
weixin_47420447的博客
11-06 2080
腾讯于2024年11月5日正式开源了最新的MoE模型“混元Large”以及混元3D生成大模型“Hunyuan3D-1.0”，支持企业及开发者在精调、部署等不同场景下的使用需求。
【AI建模】腾讯混元3D：2.0重大升级，完善3D生态产品和3D模型工作流
m0_56144365的博客
01-22 1851
（全套教程文末领取哈）
腾讯首个3D生成大模型Hunyuan3D-1.0分享
m0_71062934的博客
11-11 1111
Hunyuan3D-1.0是腾讯混元团队开发的首个同时支持文字、图像转3D的大模型，可以基于文本描述或单张图像生成3D模型。Hunyuan3D-1.0采用了多视图生成和多视图重建两阶段的方法，能够从不同视角捕捉对象的纹理和几何信息。在多视图生成阶段，Hunyuan3D-1.0模型采用自适应CFG技术，为不同视角和时间步设置不同的CFG尺度值，以平衡生成控制和多样性。
[ComfyUI]腾讯混元3D：2.0重大升级！先进的高分辨率的3D白膜和带纹理3D模型，最全本地ComfyUI部署指南
2401_84760719的博客
02-07 2762
在之前文章已经介绍过最新由是一款可以被用于的先进的开源大规模3D模型。在性能评估结果表明：混元 3D 2.0 在几何细节、条件匹配、纹理质量等方面均优于以往的最先进的开源以及闭源模型。
刚刚，腾讯混元开源两大核心模型！
QcloudCommunity的博客
11-06 1010
????目录1 混元 Large：参数规模最大、效果最好2 混元 MoE 技术创新点3 混元 3D 生成大模型：首个同时支持文字、图像生成 3D 的开源模型11 月 5 日，腾讯混元一天内正式开源 2 大核心模型：MoE 模型“混元 Large”以及 3D 生成模型。各位开发者朋友可在 GitHub 、 Huggingface 等技术社区直接下载使用。腾讯云 TI 平台和高性能应用服务 HAI 也同步宣...
国内首个中文原生DiT架构SOTA大模型全面开源！———Hunyuan-DiT技术报告详解
AIGCer的博客
05-15 1942
基于扩散的文本生成图像模型，如DALL-E、Stable Diffusion和Pixart，已经展示了生成前所未有质量图像的能力。然而，它们缺乏直接理解中文提示的能力，限制了其在中文文本提示下的图像生成潜力。为了提高中文理解能力，提出了AltDiffusion、PAI-Diffusion和Taiyi，但它们的生成质量仍需改进。在本报告中，介绍了构建Hunyuan-DiT的完整流程，该模型可以根据英文和中文提示生成不同分辨率的高质量详细图像。
10分钟了解腾讯云混元大模型AIGC系列产品
m0_64752471的博客
10-22 1576
其实说到AIGC，作为开发者，大家其实已经见怪不怪了，那么AIGC是什么，这里我再简单科普一下。AIGC的全称是Artificial Intelligence Generated Content （人工智能生成内容）或者说叫生成式人工智能，是指基于生成对抗网络、大型预训练模型等人工智能的技术方法，通过已有数据的学习和识别，以适当的泛化能力生成相关内容的技术。每一家大厂商都有属于自己的AIGC产品，那么今天在这里主要是科普一下腾讯系的AIGC产品-腾讯云混元大模型系列。
腾讯：混元MoE大模型52B版本发布
大模型任我行的博客
11-16 1166
如何构建一个具有大规模参数和高效性能的开源混合专家（MoE）模型？论文提出了Hunyuan-Large模型，通过MoE架构和多种创新技术显著提升了模型的性能和效率。
腾讯推出了其混元文生图大模型
aigchouse的博客
06-11 589
该模型采用了业内首个中文原生DiT架构，此次开源，腾讯不仅提供了模型权重和推理代码，还包括了完整的模型算法，使得企业和个人开发者可以免费商用。腾讯此次选择将混元文生图模型全面开源，旨在与行业共享其在文生图领域的实践经验和研究成果，丰富中文文生图开源生态，共建下一代视觉生成开源生态，推动。随着混元文生图大模型的发布和开源，我们有理由相信，这将极大地推动视觉生成技术的发展，为各行各业带来更多的创新可能。基于腾讯开源的文生图模型，开发者和企业无需从头训练，即可直接用于推理，从而节约大量人力和算力。
腾讯发布混元3D生成大模型2.0，开创一站式3D内容创作新时代
weixin_41446370的博客
01-22 858
腾讯宣布开源其混元3D 生成大模型2.0，并同步推出混元3D AI 创作引擎，标志着业界首个 “一站式3D 内容 AI 创作平台” 的正式上线。这一创新平台使得用户可以通过简单的文字或图片输入，快速生成高质量的3D 模型，极大地简化了3D 内容创作的过程。混元3D 生成大模型2.0在技术上进行了全面升级，特别是在几何和纹理两个关键方面。
腾讯混元3D-1.0：文本到三维和图像到三维生成的统一框架
weixin_41446370的博客
11-06 1342
虽然三维生成模型极大地改进了艺术家的工作流程，但现有的三维生成扩散模型存在生成速度慢、泛化能力差的问题。为了解决这个问题，我们提出了一种名为 "Hunyuan3D-1.0 "的两阶段方法，包括精简版和标准版，均支持文本和图像条件生成。在第一阶段，我们采用多视角扩散模型，在大约 4 秒钟内高效生成多视角 RGB 图像。这些多视角图像可从不同视角捕捉三维资产的丰富细节，从而将单视角重建任务简化为多视角重建任务。
腾讯混元3D模型Hunyuan3D-1.0部署与推理优化指南
11-09 3262
本文将详细介绍如何部署腾讯混元3D模型Hunyuan3D-1.0，并针对不同硬件配置提供优化的推理方案。我们将探讨如何在有限的GPU内存下，通过调整配置来优化模型的推理性能。本文提供了腾讯混元3D模型Hunyuan3D-1.0的详细部署和优化指南，帮助用户在不同硬件配置下实现高效的模型推理。腾讯混元3D模型Hunyuan3D-1.0是一个强大的生成模型，支持文本和图像条件生成。我们准备了两个版本的多视图生成，std和lite。为了简化部署过程，AutoDL社区提供了预装所需依赖的镜像。
腾讯混元3D创作引擎：一站式AI 3D创作平台的深度解析
这里汇聚了前沿的技术分享与实用的开发技巧，带你探索从创意到企业的技术创业之路。
02-06 912
综上所述，腾讯混元3D AI创作引擎无疑是一款革命性的产品，它不仅大幅降低了3D创作的难度，也显著提高了工作效率。无论是对于希望快速实现创意的专业人士，还是想要探索3D世界的初学者来说，这款工具都提供了一个前所未有的便捷平台。随着技术的不断进步，我们有理由相信，未来会有更多的创新成果诞生于这个充满无限可能的创作空间之中。
Hunyuan3D-1.0：腾讯开源超高效 3D 生成模型，支持文本和图像输入
士多啤梨先生の博客
11-05 1588
Hunyuan3D-1.0 是腾讯推出的一种高效的 3D 生成模型，支持文本和图像输入，可以在短时间内生成高质量的 3D 资产，广泛应用于游戏开发、工业设计、建筑设计等多个领域。
【1211更新】腾讯混元Hunyuan3D-1文/图生3D模型云端镜像一键运行
12-12 1685
腾讯混元 3D 生成模型,支持文本和图像条件生成(对于文生3D，生成)为了解决现有的3D生成模型在生成速度和泛化能力上存在不足，我们开源了混元3D-1.0模型，可以帮助3D创作者和艺术家自动化生产3D资产。我们的模型采用两阶段生成方法，在保证质量和可控的基础上，即可完成单图生成3D，标准版则大约需要25s。在第一阶段，我们采用了一种多视角扩散模型，轻量版模型能够在大约4秒内高效生成多视角图像，这些多视角图像从不同的视角捕捉了3D资产的丰富的纹理和几何先验，将任务从单视角重建松弛到多视角重建。
混元大模型私有化部署
02-06
### 混元大模型私有化部署方法 对于希望在本地环境中运行并利用混元大语言模型的企业或开发者而言，私有化部署提供了一种安全可控的方式。腾讯混元不仅提供了开源的大规模预训练模型，还通过PaaS平台支持多种API服务调用[^1]。 #### 准备工作 为了实现混元大模型的私有化部署，需先完成如下准备工作： - **环境配置**：确保服务器具备足够的计算资源（CPU/GPU）、内存空间以及网络带宽；安装必要的依赖库如Python、CUDA等； - **获取授权许可**：联系官方渠道获得合法使用权及相关技术支持文档； - **下载源码包**：从指定仓库克隆项目代码至目标机器上。 ```bash git clone https://github.com/Tencent/HunYuan.git cd HunYuan/ ``` #### 部署流程 ##### 安装依赖项 按照README文件中的指导说明来设置虚拟环境，并执行pip install命令以加载所需的第三方模块。 ```bash conda create -n hy python=3.8 source activate hy pip install -r requirements.txt ``` ##### 数据准备 如果计划微调现有模型，则需要准备好相应的数据集，并将其转换成适合输入格式。这部分操作通常涉及到编写自定义脚本来处理原始文本或其他形式的数据。 ##### 启动服务端口 启动HTTP RESTful API接口监听特定IP地址与端口号的服务进程，以便后续能够远程访问该实例所提供的功能特性。 ```python from flask import Flask, request, jsonify import torch from transformers import AutoModelForCausalLM, AutoTokenizer app = Flask(__name__) device = "cuda" if torch.cuda.is_available() else "cpu" model_name_or_path = "./path_to_model/" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path).to(device) @app.route('/predict', methods=['POST']) def predict(): input_text = request.json.get('text') inputs = tokenizer(input_text, return_tensors="pt").to(device) outputs = model.generate(**inputs) result = tokenizer.decode(outputs[0], skip_special_tokens=True) return jsonify({"response":result}) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000) ``` 以上代码片段展示了一个简单的Flask应用程序框架，用于接收来自客户端发送过来的消息请求，并返回由混元大模型生成的回答内容作为响应结果。 请注意，在实际生产环境下还需要考虑更多因素，比如安全性加固措施、性能优化策略等方面的工作。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值