前言

近年来，文生图模型的快速发展让人们看到了 AI 技术在艺术创作领域的巨大潜力。然而，现有的主流文生图模型多以英文为训练语言，在中文理解方面存在局限性，导致生成的图像难以准确反映中文语境。为了填补这一空白，腾讯 AI 团队倾力打造了首个中文原生文生图模型——Hunyuan-DiT，并将其开源，旨在推动中文文生图领域的发展。

• Huggingface模型下载：https://huggingface.co/Tencent-Hunyuan/HunyuanDiT

• AI快站模型免费加速下载：https://aifasthub.com/models/Tencent-Hunyuan

Hunyuan-DiT 的技术亮点

Hunyuan-DiT 拥有以下关键技术特点，使其在中文文生图领域脱颖而出：

• 中文原生训练，深度理解中文语境

Hunyuan-DiT 采用海量中文数据进行训练，使其对中文语境和文化元素有着更深层的理解，能够生成更符合中文审美和文化意蕴的图像。训练数据涵盖了超过十万个中文类别，包括人物、风景、植物、动物、物品、交通工具、游戏等等，并覆盖了数百种艺术风格，例如动漫、3D、绘画、写实、传统风格等等。

为了确保训练数据的质量，腾讯 AI 团队构建了从数据获取、数据清洗、数据标注到数据应用的完整数据处理流程，并设计了 “数据护航” 机制，不断优化数据质量，提升模型的生成能力。

• 中英双语支持，打破语言壁垒

除了中文，Hunyuan-DiT 还支持英文提示词，实现中英双语的图像生成，为用户提供更便捷的操作体验。模型采用了一种结合双语 CLIP 和多语言 T5 编码器的策略，提升语言理解能力，同时能够处理更长的文本提示词，最多可达 256 个字符。

• 15 亿参数规模，兼顾生成质量和推理效率

Hunyuan-DiT 拥有 15 亿参数，在保证生成质量的同时，也实现了高效的推理速度。经过优化，Hunyuan-DiT 可以使用消费级单卡进行推理，降低了用户的使用门槛，让更多用户可以体验文生图技术的魅力。

• 多细节、多风格，打造细粒度图像生成新标杆

Hunyuan-DiT 支持细粒度的图像生成，能够根据用户描述的具体细节和风格要求，生成更加精准、符合预期的图像。例如，用户可以要求生成一张“身穿红色连衣裙、站在夕阳下的少女”的图像，Hunyuan-DiT 可以准确地识别出这些细节，并生成符合描述的图像。

为了实现细粒度的图像生成，Hunyuan-DiT 在模型结构中引入了 “跳跃连接” 模块，将编码器和解码器中的信息进行融合，提升模型对图像细节的捕捉能力。同时，模型还采用了 “旋转位置编码” 技术，能够同时编码词元的绝对位置和相对位置依赖关系，提升模型对空间信息的理解能力。

• 多轮对话式创作，开启图像生成新体验

Hunyuan-DiT 支持多轮对话式图像创作，用户可以与模型进行交互，逐步完善图像生成，实现更具创意的创作体验。例如，用户可以先输入 “一只可爱的小猫”，模型生成一张小猫的图像，然后用户可以继续输入 “给小猫戴上一个红色的蝴蝶结”，模型会根据用户的新指令，在原有的图像基础上进行修改，最终生成用户满意的图像。

为了实现多轮对话式创作，Hunyuan-DiT 采用了多模态大型语言模型 (MLLM)，并对其进行了专门的训练，使其能够理解用户指令，并生成符合用户意图的文本提示词，用于驱动图像生成。

Hunyuan-DiT 的性能优势

Hunyuan-DiT 在多个方面展现出了优异的性能，在中文文生图领域取得了领先优势：

• 中文理解能力显著提升

与其他开源模型相比，Hunyuan-DiT 在中文理解能力方面有着显著提升，能够准确理解中文提示词，生成更符合语境的图像。例如，对于“繁华的夜市”这一提示词，Hunyuan-DiT 生成的图像展现了喧闹、热闹的夜市景象，而其他开源模型则可能生成较为抽象或不够贴近生活的图像。

• 图像质量超越开源模型

根据内部测试，Hunyuan-DiT 在图像一致性、剔除 AI 伪影、主题清晰度和美学评分等方面均取得了领先优势。 在专业评估团队的评价中，Hunyuan-DiT 在文本图像一致性、剔除 AI 伪影、主题清晰度和美学评分等方面均超过其他开源模型。例如，在生成“古代中国诗词”相关的图像时，Hunyuan-DiT 能够生成具有更高图像质量和语义准确度的图像，展现出对中国文化的理解能力。

• 消费级单卡可推理，降低用户门槛

Hunyuan-DiT 的模型参数规模为 15 亿，在消费级单卡上即可实现高效推理，降低了用户的使用门槛，让更多用户可以体验文生图技术的魅力。

Hunyuan-DiT 的应用潜力

Hunyuan-DiT 在多个领域具有广泛的应用潜力，可以为用户提供更便捷、更具创意的创作体验：

• 创意设计，用户可以利用 Hunyuan-DiT 生成各种创意图像，例如海报、插画、产品设计图等，帮助设计师快速完成创作，提升工作效率。

• 内容创作，Hunyuan-DiT 可以帮助用户快速生成各种内容素材，例如游戏场景、电影场景、广告图片等，为内容创作者提供更丰富的创作工具。

• 教育娱乐，Hunyuan-DiT 可以用于制作教材、游戏、动画等，为教育娱乐领域提供更具创意和吸引力的内容。

总结

Hunyuan-DiT 的开源标志着中文文生图领域迈上了新的台阶，为中文文生图模型的发展提供了重要参考。随着技术的不断进步，相信未来 Hunyuan-DiT 会在更多领域发挥重要的作用，为人们的生活带来更多的便利和乐趣。

模型下载

Huggingface模型下载

https://huggingface.co/Tencent-Hunyuan/HunyuanDiT

AI快站模型免费加速下载

https://aifasthub.com/models/Tencent-Hunyuan