HunyuanImage 3.0 のリリースとオープンソースを発表できることを嬉しく思います — これまでで最大かつ最も強力なオープンソースのテキストから画像へのモデルであり、合計 800 億を超えるパラメーターがあり、そのうち 130 億が推論中にトークンごとにアクティブ化されます。その効果は、業界の主力クローズドソースモデルに完全に匹敵します。 🚀🚀🚀 HunyuanImage 3.0 は、社内で開発されたネイティブのマルチモーダル大規模言語モデルに由来しており、テキストから画像への生成に重点を置いた微調整と事後トレーニングが行われています。この独自の基盤により、モデルに強力な機能セットが与えられます。 ✅世界の知識で推理する ✅複雑な1000語のプロンプトを理解する ✅画像内に正確なテキストを生成 従来の DiT アーキテクチャ画像生成モデルとは異なり、HunyuanImage 3.0 の MoE アーキテクチャは、輸血ベースのアプローチを使用して、単一の強力なシステムのために拡散と LLM トレーニングを深く結合します。Hunyuan-A13B 上に構築された HunyuanImage 3.0 は、50 億の画像とテキストのペア、ビデオ フレーム、インターリーブされた画像とテキスト データ、および 6 兆トークンのテキスト コーパスを含む大規模なデータセットでトレーニングされました。マルチモーダル生成、理解、LLM 機能にわたるこのハイブリッド トレーニングにより、モデルは複数のタスクをシームレスに統合できます。 イラストレーター、デザイナー、クリエイターのいずれであっても、これはワークフローを数時間から数分に短縮するために構築されています。HunyuanImage 3.0 は、教育コンテンツ用の複雑なテキスト、詳細なコミック、表現力豊かな絵文字、生き生きとした魅力的なイラストを生成できます。 現在のリリースはテキストから画像への生成のみに焦点を当てており、将来のアップデートには、画像から画像への変換、画像編集、マルチターン インタラクションなどが含まれます。 👉🏻今すぐ試す: 🔗ギットハブ: 🤗ハグ顔: