ARTICLE / 极客公园

腾讯混元文生图大模型开源:Sora 同架构,更懂中文

2024年05月17日 12:29 · 来自 极客公园

阅读原文 → 收藏

又一家大模型开源了,这次是腾讯。 5月14日,腾讯旗下的混元文生图大模型宣布对外开源,目前已在 Hugging Face 平台及 Github 上发布,包含模型权重、推理代码、模型算法等完整模型,可供企业与个人开发者免费商用。 随后在5月17日,腾讯集团 副总裁 蒋杰在在腾讯云生成式 AI 产业应用峰会上表示,腾讯混元大模型通过持续迭代,目前整体性能已居国内第一梯队,部分中文能力已追平GPT-4。 针对备受关注的生视频能力,腾讯混元支持文生视频、图生视频、图文生视频、视频生视频等多种视频生成能力,已经支持 16s 视频生成。在生3D层面,腾讯混元已布局文/图生3D,单图仅需30秒即可生成3D模型。 混元文生图大模型是业内首个中文原生的DiT(Diffusion Models with transformer)架构文生图开源模型,这也是Sora 和 Stable Diffusion 3 的同款架构和关键技术,是一种基于Transformer架构