文生

近日，字节跳动旗下智能AI助手豆包升级文生图能力，支持一键生成指定文本。 用户可以在生图提示词中加入文本要求，如“一张带有「新年快乐」的图”，即可生成带有指定文字的图片。 目前该功能已经在豆包APP开启测试，即梦也已小范围测试。

7 月 18 日，OpenAI 发布了号称“最具成本效益小模型”的新模型 GPT-4o Mini。随后，CEO 阿尔特曼在 X（推特）上开启了“带货模式”：“每百万输入 tokens 15 美分，每百万输出 tokens 60 美分，MMLU 为 82%，速度快。最重要的是，我们认为人们会非常喜欢使用这个新模型。”大部分网友在评论区中赞不绝口，但也有网友认为，GPT 系列模型的名称是时候需要改一改…

感谢正在举行的世界人工智能大会期间，快手高级副总裁、主站业务与社区科学负责人盖坤宣布，快手文生图大模型可图正式开源，希望共建更加繁荣的文生图大模型社区生态。IT之家注意到，快手“可图”大模型于今年 5 月对外开放，目前已经上线网页版和微信小程序，支持文生图和图生图两类功能，可用于 AI 创作图象以及 AI 局面定制。IT之家实测发现，在 AI 创作模块，用户只需输入形容文字并抉择期望的画作气势派头…

腾讯混元文生图大模型（混元 DiT）今日宣告开源小显存版本，仅需 6G 显存即可运行，对运用个人电脑本地部署的开发者比较友好。此外，腾讯宣告混元文生图打标模型“混元 Captioner”正式对外开源。该模型支持中英文双语，针对文生图场景进行专门优化，可帮助开发者快速制作文生图数据集。腾讯混元 DiT 模型升级腾讯混元 DiT 模型宣告了三大更新：推出小显存版本与 Kohya 训练界面，并升级至 1…

6月21日，腾讯混元文生图大模型（以下简称为混元DiT模型）宣布全面开源训练代码，同时对外开源混元DiT LoRA 小规模数据集训练规划与可控制插件ControlNet。这意味着，全球的企业与个人开发者、创作者们，都可以鉴于混元DiT训练代码从事精调，创造更具个性化的专属模型，从事更大自由度的创作；或鉴于混元DiT的代码从事修改和优化，鉴于此构建自身应用，推动技能的快速迭代和创新。作为华文原生模型…

腾讯混元团队联合中山大学、香港科技大学联合推出全新图生视频模型“Follow-Your-Pose-v2”，相干成果已经发表在 arxiv 上（IT之家附 DOI:10.48550/arXiv.2406.03035）。据介绍，“Follow-Your-Pose-v2”只需要输出一张人物图片和一段行动视频，就可以让图片上的人跟随视频上的行动动起来，生成视频长度可达 10 秒。与此前推出的模型相比，“F…

腾讯今日发布针对腾讯混元文生图开源大模型（混元 DiT）的加速库，号称大幅提升推理效率，生图时间缩短 75%。官方表示，混元 DiT 模型的使用门槛也大幅降低，用户可以基于 ComfyUI 的图形化界面使用腾讯混元文生图模型能力。同时，混元 DiT 模型已经部署至 HuggingFaceDiffusers 通用模型库中，用户仅用三行代码即可调用混元 DiT 模型，无需下载原始代码库。在此之前，腾讯…

快手自研文生图大模型“可图”已于近日正式对外开放，其目前支持文生图和图生图两类功能，可用于 AI 创作图像以及 AI 形象定制。用户可通过“可图”微信小程序和网页版使用。据界面新闻报导，这也是快手首次将其自研的系列大模型对外开放。报导援引知情人士消息称，“可图”大模型的参数规模达十亿级，这些数据来自开源社区、快手里面构建和自研 AI 技术合成，覆盖了常见的千万级中文实体概念，还引入强化学习和奖励模…

感谢腾讯宣布旗下的混元文生图大模型降级并对外开源，目前已经在 Hugging Face 及 Github 上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费商用。▲ 混元文生图效果▲ 混元长文生图效果降级后的混元文生图大模型采用了与 Sora 一致的 DiT 架构，腾讯表示，混元 DiT 是首个中英双语 DiT 架构。混元 DiT 是一个基于 Diffusion tran…

在今晚的快手业绩电话会上，快手创始人兼 CEO 程一笑披露了公司在生成式 AI 领域的进展。程一笑表示，公司在客岁启动 AI 战略后，一步步扎实推进自研大模型的研发训练。程一笑还放出豪言，声称有信心在未来半年内，使大模型的综合性能达到 GPT4.0 的水平。同时，他还称快手文生图大模型“可图”综合性能已超过 Midjourney V5 的水平。至于目前大热的文生视频领域，程一笑透露称公司已于客岁底…