我们也终于有了自己的开源AI绘图大模型，它叫，腾讯混元。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }

我们也终于有了自己的开源AI绘图大模型，它叫，腾讯混元。

原创 数字生命卡兹克 数字生命卡兹克 2024-05-15 12:16 天津

原文地址: https://mp.weixin.qq.com/s/XYMSREg_zQ8lO4ipYYxAMg

坦率的讲，一直以来，我都很希望在AI绘图领域，有一个我们自己的开源的AI绘图大模型标杆的。

只属于我们国内的、中文驱动的AI绘图开源大模型。

然后我们如此蓬勃的创作者和开发者，就像现在的Stable Diffusion一样，在这个基础上，缔造出繁荣的开源生态。

但是AI绘图大模型，好像一直是一个魔咒。

国内大模型出了无数，也出了无数的开源，但是国内的AI绘图大模型，却不足十不足一，更别提开源的了。

不过外面的情况也不是那么的好，自从Stability开源了SD XL之后，在AI绘图大模型上，好像再没动静了。

而全新DiT架构、炒的沸沸扬扬的SD3，在他们决定接给Discord的机器人Stable Artisan之后，需要普通用户付费开会员才能使用，我觉得也大概率不会开源了。

毕竟，如果你开源，那对你整个Stability的盈利都是一个挺重的打击的，Stability的商业模式本来就很难看，整个团队的盈利也都饱受诟病，这要是还开源

AI绘图大模型的开源生态，好像被按下了暂停键。

直到昨天，我看到了腾讯混元，默默地开源了他们的AI绘图大模型，嗯，就那么的默默的开源了。

这很腾讯。

列几个关键词：DiT、中文原生。当然，最核心的是还是那条：

全面开源。

不管是企业还是个人开发者，全部免费可用。

坦率的讲，我对腾讯一直是有非常强的好感的。当然不是因为我主阵地在公众号，需要腾讯爸爸赏饭吃。

是因为腾讯在AI绘图开源领域，做出了巨大的贡献。

如果大家看最近海辛和阿文的一些项目内容，会发现他们大量的使用ControlNet+AnimetaDiff+IPAdapter这个工作流。

ControlNET和AnimetaDiff这两个不提了，已经大名鼎鼎了，而这个IPAdapter，是能替代的LoRA的东西，一张图片，直接复刻角色或者风格，非常好的解决了一致性。已经基本快成为了现在整个AI转绘领域最主流的插件之一。

而这个IPAdapter，就是腾讯搞出来的。然后，开源。

不同于国内其他的一些厂商，腾讯一直就在默默地发项目，开源；发项目，开源。

比如前段时间一张照片就定制各种写真的项目Photomaker，腾讯搞的，然后开源。

比如前段时间的一张单视角生成3D的项目InstantMesh，腾讯搞的，然后开源。

还有很多很多。

所以可能不光是我，整个开源社区，对腾讯的情感，都是有一些情感的，开源开的这么勤快的公司，其实说实话，不多。

不过这一次，他们没有开源插件，但是选择开源了可能是这个AI时代，最重要的东西：

大模型。

项目地址在此：https://dit.hunyuan.tencent.com/

跟Sora、SD3同架构，也就是抛弃了传统U-Net架构，而使用了DiT架构的新模型。

今年2月16号Sora的横空出世，DiT架构，已经被大厂们共同认证了，这就是未来的主流。未来，DiT架构大概率也会成为文生图、生视频、生3D等多模态视觉生成的统一架构。

模型目前已经可以直接去huggingface上下了，不过我去看了一眼，嗯。。。

对我这种开发小白来说，本地部署还是过于困难了。。。

但是他们自己的产品演示，看着还是非常有趣的。

很期待大佬们做的WebUI或者Comfyui的适配，当然，还有我最关心的微调，基于混元的AI绘图大模型上的繁荣生态，可能更让我期待。

不过我找了一圈，发现对普通的用户，腾讯混元也提供了在线的免费使用的方式，AI绘图直接集成在了他们的混元助手里。

可以在小程序和网页端用，小程序直接搜“腾讯混元助手”就行，网页端的网址在此：https://hunyuan.tencent.com/

我就去里面实际跑了下效果。

效果还不错。

再来一个幻想风格的猫。

在使用中，我发现腾讯混元的画图prompt，是用生成XXXX+特定风格效果是比较好的。

如果写画一个XXX，那个风格可能会有一点不可控。

既然都是原生中文模型了，那我们自然得再来试点适合中国宝宝体质的Prompt。

比如这一段Prompt：生成一幅图：“落霞与孤鹜齐飞，秋水共长天一色”

生成：“一座古风的楼阁，周围都是山峰。”（PS：终于又能把阁楼的飞檐画对的了！！！）

生成照片：热气腾腾的烧麦，美食摄影风格

说实话，我还是喜欢用中文当Prompt的感觉。

毕竟，中文，才是最牛逼的。中国的古诗词，也才是最屌的。

而且得益于DiT的结构，长文本理解能力有了大幅的提升，并且，还支持类似于Dalle的多轮对话。

比如。

嗯。。。人都搁病床上躺着了还不忘工作呢。。。

这种多轮对话的能力，非常有意思，而且一致性，保持的非常非常好。

我已经越来越期待，开源社区的大佬们，基于腾讯混元的AI绘图大模型进行的微调了。

会不会有Majic麦橘写实、DreamShaper这样级别的基于混元的微调定制大模型出来，说实话，我不知道。

但是我期待出现的那一天。

我们需要自己的AI绘图开源大模型，已经太久了。

现在，它来了。

那就，继续在AI这条路上，一路狂奔，发光发热吧。

风雨同舟，愿与诸君共勉。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。

数字生命卡兹克

 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言