智東西

作者 | ZeR0

編輯 | 漠影

智東西 5 月 16 日?qǐng)?bào)道，今日，騰訊發(fā)布最新混元圖像 2.0 模型（Hunyuan Image2.0），基于模型架構(gòu)創(chuàng)新，在行業(yè)內(nèi)率先實(shí)現(xiàn)實(shí)時(shí)生圖，并具有畫面質(zhì)感超寫實(shí)的特點(diǎn)。該模型于即日起在騰訊混元官方網(wǎng)站上線，并對(duì)外開放注冊體驗(yàn)。

體驗(yàn)地址：

https://hunyuan.tencent.com/

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話一邊出圖，改變了傳統(tǒng) " 抽卡—等待—抽卡 " 的方式。

其圖像生成質(zhì)量也提升明顯，通過強(qiáng)化學(xué)習(xí)等算法以及引入大量人類美學(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測試模型復(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 95%，遠(yuǎn)超其他同類模型。

在發(fā)布直播中，騰訊混元演示了多個(gè)不同風(fēng)格的圖片生成效果，除了速度快以外，生成的圖片在人物特寫、動(dòng)物特寫、復(fù)古攝影等領(lǐng)域都有不錯(cuò)表現(xiàn)，體現(xiàn)出電影級(jí)別質(zhì)感畫面水準(zhǔn)。

人像攝影風(fēng)格

動(dòng)物特寫

復(fù)古攝影

動(dòng)漫風(fēng)格

真實(shí)人物風(fēng)格

騰訊混元圖像 2.0 模型還發(fā)布了實(shí)時(shí)繪畫板功能，基于模型的實(shí)時(shí)生圖能力，用戶在繪制線稿或調(diào)整參數(shù)時(shí)，預(yù)覽區(qū)同步生成上色效果，突破了傳統(tǒng) " 繪制 - 等待 - 修改 " 的線性流程，可助力專業(yè)設(shè)計(jì)師的創(chuàng)作。

實(shí)時(shí)繪畫板支持多圖融合。用戶上傳多圖后，可將多個(gè)草圖疊加至同一畫布自由創(chuàng)作，經(jīng)過 AI 自動(dòng)協(xié)調(diào)透視與光影，按照提示詞內(nèi)容生成融合圖像，進(jìn)一步豐富了 AI 生圖的交互體驗(yàn)。

圖源自創(chuàng)作者一只小娜娜

混元圖像生成 2.0 模型的發(fā)布，是騰訊混元在多模態(tài)領(lǐng)域的又一里程碑事件。

騰訊混元在圖像、視頻等模態(tài)上持續(xù)投入，在 2014 年率先推出并開源了業(yè)內(nèi)首個(gè)中文原生的 DiT 架構(gòu)文生圖開源模型以及參數(shù)量達(dá) 130 億的騰訊混元視頻生成大模型。

會(huì)上，騰訊混元還劇透了即將發(fā)布的原生多模態(tài)圖像生成大模型。新模型在多輪圖像生成、實(shí)時(shí)交互體驗(yàn)等方面有突出表現(xiàn)。