騰訊混元文生圖大模型開源：Sora 同架構(gòu)，更懂中文

AIGC動態(tài)歡迎閱讀

原標(biāo)題：騰訊混元文生圖大模型開源：Sora 同架構(gòu)，更懂中文
關(guān)鍵字：騰訊,模型,視頻,能力,參數(shù)
文章來源：Founder Park
內(nèi)容字?jǐn)?shù)：16850字

內(nèi)容摘要：

又一家大模型開源了，這次是騰訊。
5 月 14 日，騰訊旗下的混元文生圖大模型宣布對外開源，目前已在 Hugging Face 平臺及 Github 上發(fā)布，包含模型權(quán)重、推理代碼、模型算法等完整模型，可供企業(yè)與個人開發(fā)者免費(fèi)商用。
隨后在 5 月 17 日，騰訊集團(tuán)副總裁蔣杰在在騰訊云生成式 AI 產(chǎn)業(yè)應(yīng)用峰會上表示，騰訊混元大模型通過持續(xù)迭代，目前整體性能已居國內(nèi)第一梯隊(duì)，部分中文能力已追平 GPT-4。
針對備受關(guān)注的生視頻能力，騰訊混元支持文生視頻、圖生視頻、圖文生視頻、視頻生視頻等多種視頻生成能力，已經(jīng)支持 16s 視頻生成。在生 3D 層面，騰訊混元已布局文/圖生 3D，單圖僅需 30 秒即可生成 3D 模型。
混元文生圖大模型是業(yè)內(nèi)首個中文原生的 DiT（Diffusion Models with transformer）架構(gòu)文生圖開源模型，這也是 Sora 和 Stable Diffusion 3 的同款架構(gòu)和關(guān)鍵技術(shù)，是一種基于 Transformer 架構(gòu)的擴(kuò)散模型。混元文生圖大模型支持中英文雙語輸入及理解，參數(shù)量 15 億。
過去，視覺生成擴(kuò)散模型主要基于 U-N

原文鏈接：騰訊混元文生圖大模型開源：Sora 同架構(gòu)，更懂中文

聯(lián)系作者

文章來源：Founder Park
作者微信：Founder-Park
作者簡介：來自極客公園，專注與科技創(chuàng)業(yè)者聊「真問題」。