腾讯发布了混元-DiT：首个中英双语DiT文本生成图像模型。混元-DiT是一个基于Diffusion Transformer的文本到图像生成模型，具备中英文的细粒度理解能力。为构建混元-DiT，开发团队精心设计了Transformer结构、文本编码器和位置编码，并建立了完整的数据管道，用于数据更新和评估，助力模型优化迭代。为了实现细粒度的文本理解，开发团队训练了一个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。

 

 

 

软件功能：

  • 双语文本生成图像
    混元DiT能够根据中文或英文文本提示生成图像，大大拓展了其在跨语言图像生成任务中的应用前景。
  • 深入理解中文元素
    该模型特别针对中文进行了优化，能够更好地理解和生成与中国传统文化相关的元素，如古诗、传统服饰和节日等。
  • 处理长文本能力
    支持长达256个标记的文本输入，使混元DiT能够理解复杂的长文本描述，并生成相匹配的图像作品。
  • 多尺寸图像生成
    混元DiT能够在不同尺寸比例下生成高质量的图像，从社交媒体帖子到大尺寸打印品，都能轻松应对。
  • 多轮对话与上下文理解
    通过与用户的多轮对话，混元DiT能够根据对话历史和上下文信息生成和优化图像，提升模型的互动性和创造力。
  • 高度一致的图像与文本
    混元DiT生成的图像与输入的文本提示内容高度一致，确保图像能够准确反映文本的意图和细节。
  • 艺术性与创意性
    混元DiT不仅能生成常见的图像，还能根据文本中的创意描述，生成具有艺术性和创意性的图像作品。

 

配置要求：

建议电脑满足以下配置：

  • 操作系统：Windows 10/11 64位
  • 显卡：至少12G显存的英伟达（NVIDIA）显卡

 

如何查看显卡品牌型号和显存：

  • 打开任务管理器
  • 点击“性能”
  • 点击“GPU”
  • 右上角可以看到显卡型号，下方可以看到显存大小

 

使用教程：

① 打开下载页面（https://aiyy.info/hunyuandit）点击页面右侧下载按钮，下载整合包之后解压，建议使用winrar解压（下载地址：https://www.winrar.com.cn/）

注意：文件夹路径和文件名称不要出现中文字符，否则部分软件会因识别不出而报错

② 双击“一键启动.exe”，稍等片刻会在浏览器中自动打开操作界面

③ 首先选择图片尺寸，填写需要生成图片的提示词，采样步数及种子数（不了解AI生成图片原理的朋友按照默认数值即可），负面提示词保持默认即可，也可以增加，采样器及引导系数（不了解AI生成图片原理的朋友按照默认数值即可），点击生成，等待程序运行结束，右侧会显示生成结果

 

 

声明： ① 本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。更多说明请参考赞助计划。 ② 本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。