首个中文原生DiT架构！腾讯混元文生图大模型宣布全面开源

叮当号5月14日消息，今日，腾讯旗下混元文生图大模型（混元DiT，Diffusion Models with Transformers）宣布全面开源。

目前已在Hugging Face、Github上发布，包含模型权重、推理代码、模型算法等完整模型，供企业与个人开发者免费商用。

据媒体报道，腾讯混元文生图负责人卢清林表示，混元DiT开源的价值有两方面。

一方面这是业内首个中文原生DiT架构，弥补了开源社区的空白，另一方面混元DiT为全面开放，与现网版本完全一致。

据介绍，此次开源的混元DiT采用了与Sora同样的背后关键技术——DiT架构，还支持256字中文理解，不仅支持文生图，也可作为视频等多模态视觉生成的基础。

腾讯方面表示，为了构建混元DiT设计了Transformer结构、文本编码器和位置编码，构建了完整的数据管道，用于更新和评估数据，为模型优化迭代提供帮助。

为了实现细粒度的文本理解，还训练了多模态大语言模型来优化图像的文本描述。

最终，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。