腾讯混元文生图大模型对外开源：搭载首个中英双语 DiT 架构，免费商用

图片地址：https://img.ithome.com/newsuploadfiles/2024/5/a1cf56fd-067d-4e75-96ec-581c81c23d8f.png?x-bce-process=image/format,f_auto

IT之家 5 月 14 日消息，腾讯宣布旗下的混元文生图大模型升级并对外开源，目前已经在 Hugging Face及 Github上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费商用。▲ 混元文生图效果▲ 混元长文生图效果升级后的混元文生图大模型采用了与 Sora 一致的 DiT 架构，腾讯表示，混元 DiT 是首个中英双语 DiT 架构。混元 DiT 是一个基于 Diffusion transformer 的文本到图像生成模型，此模型具有中英文细粒度理解能力，混元 DiT 能够与用户进行多轮对话，根据上下文生成并完善图像。这也是业内首个中文原生的 DiT 架构文生图开源模型，支持中英文双语输入及理解，参数量 15 亿。运行该模型需要支持 CUDA 的英伟达 GPU，单独运行混元 DiT 所需的最低显存为 11GB，同时运行 DialogGen（腾讯推出的文本转图像多模态