5月14日音讯，昔日，腾讯旗下混元文生图年夜模子（混元DiT，Diffusion Models with Transformers）颁布发表片面开源。今朝已经正在Hugging Face、Github上公布，包括模子权重、推理代码、模子算法等完好模子，供企业与团体开辟者收费商用。据媒体报导，腾讯混元文生图担任人卢清林透露表现，混元DiT开源的代价有两方面。一方面这是业内首其中文原生DiT架构，补偿了开源社区的空缺，另外一方面混元DiT为片面凋谢，与现网版本完整分歧。据引见，这次开源的混元DiT采纳了与Sora异样的面前关头技能——DiT架构，还撑持256字中文了解，不只撑持文生图，也可作为视频等多模态视觉天生的根底。腾讯方面透露表现，为了构建混元DiT计划了Transformer构造、文本编码器以及地位编码，构建了完好的数据管道，用于更新以及评价数据，为模子优化迭代供给协助。为了完成细粒度的文本了解，还锻炼了多模态年夜言语模子来优化图象的文本描绘。终极，混元DiT可以与用户停止多轮对于话，依据高低文天生并美满图象。
