Olemme innoissamme voidessamme ilmoittaa HunyuanImage 3.0:n julkaisusta ja avoimesta lähdekoodista – tähän mennessä suurimmasta ja tehokkaimmasta avoimen lähdekoodin tekstistä kuvaksi -mallista, jossa on yhteensä yli 80 miljardia parametria, joista 13 miljardia aktivoituu tokenia kohden päättelyn aikana. Vaikutus on täysin verrattavissa alan suljetun lähdekoodin lippulaivamalliin. 🚀🚀🚀 HunyuanImage 3.0 on peräisin sisäisesti kehitetystä alkuperäisestä multimodaalisesta suuren kielen mallistamme, jossa hienosäätö ja jälkikoulutus keskittyvät tekstistä kuvaksi -luomiseen. Tämä ainutlaatuinen perusta antaa mallille tehokkaat ominaisuudet: ✅Järkeilyä maailman tiedolla ✅Ymmärrä monimutkaiset, tuhannen sanan kehotteet ✅Luo tarkkaa tekstiä kuviin Perinteisistä DiT-arkkitehtuurin kuvanluontimalleista poiketen HunyuanImage 3.0:n MoE-arkkitehtuuri käyttää transfuusiopohjaista lähestymistapaa yhdistääkseen diffuusio- ja LLM-koulutuksen syvästi yhdeksi tehokkaaksi järjestelmäksi. Hunyuan-A13B:lle rakennettu HunyuanImage 3.0 koulutettiin massiivisella tietojoukolla: 5 miljardia kuva-tekstiparia, videokehyksiä, lomitettua kuva-tekstidataa ja 6 biljoonaa merkkiä tekstikorpuksia. Tämä hybridikoulutus multimodaalisen sukupolven, ymmärryksen ja LLM-ominaisuuksien välillä mahdollistaa mallin saumattoman integroinnin useisiin tehtäviin. Olitpa kuvittaja, suunnittelija tai luoja, tämä on suunniteltu leikkaamaan työnkulkusi tunneista minuutteihin. HunyuanImage 3.0 voi luoda monimutkaista tekstiä, yksityiskohtaisia sarjakuvia, ilmeikkäitä hymiöitä ja eloisia, mukaansatempaavia kuvituksia opetussisältöön. Nykyinen julkaisu keskittyy yksinomaan tekstistä kuvaksi -luomiseen, ja tulevat päivitykset sisältävät kuvasta kuvaksi, kuvankäsittelyn, monikierrosvuorovaikutuksen ja paljon muuta. 👉🏻Kokeile nyt: 🔗GitHub: 🤗Halaavat kasvot: