采用Sora同款架構，混元文生圖大模型宣布開源

5月14日，騰訊宣布其旗下混元文生圖大模型全面升級，并對外開源。據了解，這是首個中文原生的類Sora 架構開源模型，填補了國產大模型在文生圖先進架構上的空白。

目前，主流的文生圖開源生態基本圍繞英文建設，如Stable Diffusion 等主流開源模型，雖然一定程度支持中文輸入，但其核心數據集仍以英文為主，對中國的語言、美食、文化、習俗都理解不夠，容易因翻譯而產生語義分歧乃至生成錯誤。

建設中文原生的大模型以及相應的開源生態迫在眉睫。據騰訊文生圖負責人蘆清林介紹，混元文生圖大模型以中文原生為基礎，支持中英文雙語輸入及理解，更理解中文語境，對中國的古詩詞、俚語、美食、文化、習俗等都有更好的生成效果。升級后的混元文生圖模型采用了基于Transformer的擴散模型架構（簡稱DiT架構，是此前爆紅的文生視頻產品Sora 背后的關鍵技術），具備更強的可擴展性，參數量越多、性能越強，可持續提升視覺模型生成效果及效率。

目前，騰訊混元文生圖模型參數量為15 億。評測數據顯示，最新的騰訊混元文生圖模型效果相比前代提升超過20%，遠超開源的Stable Diffusion模型，在目前已開源的文生圖模型中，綜合性能佳，達到國際先進水平。

據介紹，騰訊混元的文生圖能力，已經廣泛被用于素材創作、商品合成、游戲出圖等多項業務及場景中。今年初，騰訊廣告基于騰訊混元大模型，發布了一站式 AI 廣告創意平臺“騰訊廣告妙思”，可為廣告主提供文生圖、圖生圖、商品背景合成等多場景創意工具。

蘆清林表示，騰訊混元文生圖的研發思路就是實用，堅持從實踐中來，到實踐中去。此次把最新一代模型完整開源出來，是希望與行業共享騰訊在文生圖領域的實踐經驗和研究成果，共建中文文生圖開源生態，加速大模型行業發展。

蘆清林介紹，基于騰訊此次開源的文生圖模型，開發者和企業無需從頭訓練，即可直接用于推理，并可基于混元文生圖打造專屬的AI繪畫應用及服務，能夠節約大量人力及算力。透明公開的算法，也讓模型的安全性和可靠性得到保障。同時，基于開放、前沿的混元文生圖基礎模型，也有利于在以英文為主的文生圖開源社區之外，豐富以中文為主的文生圖開源生態，形成更多樣的原生插件，推動中文文生圖技術研發和應用。