开源！腾讯混元图像3.0正式上线，支持中英文精准渲染、长文本生成

腾讯宣布正式发布混元图像3.0，这是业界首个开源的商用级原生多模态生图模型。该模型拥有80亿参数，是目前效果最优、参数量最大的开源生图模型，能够与顶开源尖闭源模型相媲美。用户可以通过腾讯混元官网体验该模型，模型的权重和加速版本也已在 GitHub 和 Hugging Face 等开源社区发布，供广大开发者免费下载和使用！腾。

 原生多模态技术架构

混元图像3.0的亮点在于其 “原生多模态” 技术架构，允许用户通过一个模型同时处理文字、图片、视频和音频等多种输入和输出形式，讯混而不再依赖多个模型的组合。这种创新使得模型具备了图像生成和语义理解的双重能力，类似于一个拥有思考能力的 “智能画家”。

高级语义理解与自动生成

该模型的语元图义理解能力显著提升，用户只需简单输入提示词，例如 “生成一个月全食的四格科普漫画”，模型便能自动生成完整的漫画，无需用户对每一格进行详细描述。

混元图像3.0像3语义理解能力和美学质感也得到了大幅提升，可以实现对用户指令的精确生成，包括图片中的小字和长文本生成，都能较好地实现。

官方案例:比如输入:“你是一个小红书穿.0搭博主，请根据模特穿搭生成一张封面图片，要求:1.画面左侧是模特的OOTD全身图2.右侧是衣服的展示，分别是上衣深棕色夹克、下装黑色百褶短裙、棕色靴正式子、黑色包包 风格:实物摄影，要求真实，有氛围感，秋季美拉德色系穿搭”。在这个提示词下，混元图像3.0可以准确地把左侧博主的穿搭分解成右侧单独的衣物。

此外，上线混元图像3.0可以处理复杂的文字要求，生成详细的商品图、海报和插画，满足各类创作需求。

提升创作效率

混元图像3.0的发布不仅方便了插画师和设计师，还能帮助缺乏，支美术基础的内容创作者更轻松地制作出高质量的视觉内容。原本需要数小时的创作过程，现在可能仅需几分钟就能完成，大幅提升了创作效率。

多任务训练与未来展望

混元持中图像3.0基于50亿图文对和6TB 语料数据进行多模态混合训练，充分融合了多任务效果，从而实现超强的语义理解能力。腾讯团队透露，未来将陆续推出图生图、英文图像编辑、多轮交互等新功能，以进一步增强用户体验。

用户可以通过访问腾讯混元官网（https://hunyuan.tencent.com/image）来精准体验这一全新的图像生成技术。此外，混元图像3.0的模型权重和加速版本已经在 Github、Hugging Face 等开源平台上发布，用户可以免费进行下载和使渲染用。

划重点:

  混元图像3.0是首个开源的原生多模态生图模型，参数规模达80B。

️ 该模型具备优异的语义理解能力，用户可以通过简短提示词生成复、长杂图像。

模型发布后将提升视觉创作者的效率，未来将推出更多功能以满足不同需求。

最新评论