Wir freuen uns, die Veröffentlichung und Open-Source von HunyuanImage 3.0 anzukündigen – das größte und leistungsstärkste Open-Source-Text-zu-Bild-Modell bis heute, mit über 80 Milliarden Gesamtparametern, von denen 13 Milliarden pro Token während der Inferenz aktiviert werden. Der Effekt ist vollständig vergleichbar mit dem Flaggschiff-Modell der Branche, das geschlossen ist.🚀🚀🚀 HunyuanImage 3.0 stammt aus unserem intern entwickelten nativen multimodalen großen Sprachmodell, mit Feinabstimmung und Nachtraining, die sich auf die Text-zu-Bild-Generierung konzentrieren. Diese einzigartige Grundlage verleiht dem Modell eine leistungsstarke Reihe von Fähigkeiten: ✅Mit Weltwissen argumentieren ✅Komplexe, tausend Wörter umfassende Eingabeaufforderungen verstehen ✅Präzisen Text innerhalb von Bildern generieren Anders als traditionelle DiT-Architektur-Bildgenerierungsmodelle verwendet die MoE-Architektur von HunyuanImage 3.0 einen transfusionsbasierten Ansatz, um Diffusion und LLM-Training für ein einzelnes, leistungsstarkes System tief zu koppeln. Basierend auf Hunyuan-A13B wurde HunyuanImage 3.0 auf einem massiven Datensatz trainiert: 5 Milliarden Bild-Text-Paare, Video-Frames, gemischte Bild-Text-Daten und 6 Billionen Token von Textkorpora. Dieses hybride Training über multimodale Generierung, Verständnis und LLM-Fähigkeiten ermöglicht es dem Modell, mehrere Aufgaben nahtlos zu integrieren. Egal, ob Sie Illustrator, Designer oder Creator sind, dies wurde entwickelt, um Ihren Arbeitsablauf von Stunden auf Minuten zu verkürzen. HunyuanImage 3.0 kann komplexen Text, detaillierte Comics, ausdrucksstarke Emojis und lebendige, ansprechende Illustrationen für Bildungsinhalte generieren. Die aktuelle Veröffentlichung konzentriert sich ausschließlich auf die Text-zu-Bild-Generierung, und zukünftige Updates werden Bild-zu-Bild, Bildbearbeitung, mehrstufige Interaktion und mehr umfassen. 👉🏻Probieren Sie es jetzt aus: 🔗GitHub: 🤗Hugging Face: