本站5月16日消息，今天騰訊正式發(fā)布了業(yè)內(nèi)首個(gè)毫秒級(jí)響應(yīng)的實(shí)時(shí)生圖大模型——混元圖像2.0（Hunyuan Image2.0）。
目前已經(jīng)在騰訊混元官方網(wǎng)站上線，并對(duì)外開(kāi)放注冊(cè)體驗(yàn)，該模型主要有兩大特點(diǎn)：實(shí)時(shí)生圖、超寫(xiě)實(shí)畫(huà)質(zhì)。
相比前代模型，騰訊混元圖像2.0模型參數(shù)量提升了一個(gè)數(shù)量級(jí)，得益于超高壓縮倍率的圖像編解碼器以及全新擴(kuò)散架構(gòu)，其生圖速度顯著快于行業(yè)領(lǐng)先模型。
在同類(lèi)商業(yè)產(chǎn)品每張圖推理速度需要5到10秒的情況下，騰訊混元可實(shí)現(xiàn)毫秒級(jí)響應(yīng)，支持用戶可以一邊打字或者一邊說(shuō)話一邊出圖，改變了傳統(tǒng)“抽卡—等待—抽卡”的方式。
除了速度快以外，騰訊混元圖像2.0模型圖像生成質(zhì)量提升明顯，通過(guò)強(qiáng)化學(xué)習(xí)等算法以及引入大量人類(lèi)美學(xué)知識(shí)對(duì)齊，生成的圖像可有效避免AIGC圖像中的“AI味”，真實(shí)感強(qiáng)、細(xì)節(jié)豐富、可用性高。
在圖像生成領(lǐng)域?qū)ｉT(mén)測(cè)試模型復(fù)雜文本指令理解與生成能力的評(píng)估基準(zhǔn)GenEval（Geneval Bench）上，騰訊混元圖像2.0模型準(zhǔn)確率超過(guò)95%，遠(yuǎn)超其他同類(lèi)模型。
提示詞：人像攝影，愛(ài)因斯坦，背景是東方明珠，自拍視角
騰訊表示，騰訊混元圖像2.0引入多模態(tài)大語(yǔ)言模型（MLLM）作為文本編碼器，配合自研的結(jié)構(gòu)化caption系統(tǒng)，不僅能理解你在說(shuō)什么，更能推測(cè)出你希望畫(huà)面「怎么表達(dá)」。
哪怕你一句話里埋了三層含義，它也能一一拆解，再一筆一筆畫(huà)出來(lái)。
除了文字輸入，騰訊混元圖像2.0還可以通過(guò)語(yǔ)音直接輸入提示詞，系統(tǒng)將語(yǔ)音自動(dòng)轉(zhuǎn)寫(xiě)為文字，并在識(shí)別后即時(shí)生成圖像，適用于直播講解、移動(dòng)創(chuàng)作等場(chǎng)景。
也可以上傳草圖作為參考，模型能自動(dòng)識(shí)別線稿的結(jié)構(gòu)與構(gòu)圖邏輯，再結(jié)合提示詞內(nèi)容補(bǔ)全光影、材質(zhì)、背景等細(xì)節(jié)，迅速擴(kuò)展成圖。
騰訊混元圖像2.0模型生成的圖片：
人像攝影風(fēng)格
動(dòng)物特寫(xiě)
復(fù)古攝影
動(dòng)漫風(fēng)格
真實(shí)人物風(fēng)格
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。
