7月4日，腾讯公司宣布，其开发的混元文生图大模型——混元DiT，正式推出小显存版本，仅需6GB显存即可流畅运行，为广大开发者提供了更为便捷的本地部署方案。
与此同时，腾讯还对外开源了混元文生图打标模型“混元Captioner”，这一模型支持中英文双语，针对文生图场景进行了特别优化，能够显著提升开发者构建文生图数据集的效率。
混元DiT模型的此次升级，不仅推出了小显存版本，还与Kohya训练界面进行了整合，并升级至1.2版本，旨在进一步降低技术门槛，同时提高生成图像的质量。
DiT架构的文生图模型以其生成图像的卓越质感而著称，但对显存的高要求一直是其普及的障碍。为此，混元DiT特别推出了小显存版本，仅需6GB显存即可运行优化后的推理框架，极大地方便了个人电脑用户进行本地部署。
在与Hugging Face的合作下，混元DiT的小显存版本、LoRA和ControlNet插件已经成功适配到Diffusers库中。开发者现在可以通过极为简洁的代码调用来使用这些功能，无需下载原始代码，大大降低了使用成本。
此外，混元DiT还宣布接入了Kohya，这是一个开源的轻量化模型微调训练服务，它提供了一个图形化的用户界面，使得开发者可以轻松地训练自己的LoRA模型，而无需深入代码层面。
Kohya的用户可以通过图形化界面完成模型的全参数微调和LoRA训练，训练出的模型可以无缝集成到Kohya生态系统中，并与WebUI等推理界面结合，实现从训练到生成图像的完整工作流程。
腾讯混元团队最新开源的混元Captioner模型，进一步增强了模型的易用性。该打标模型能够帮助开发者快速生成数据集，无论是导入原始图片集生成标注，还是对已有图片和描述进行优化，混元Captioner都能提供强大的支持。
当前，业界在生成图片描述文本时，常面临描述过于简单或繁琐、缺乏背景知识以识别知名人物和地标等问题，且许多模型对中文的支持不够精准。混元Captioner针对这些痛点进行了专门优化：
-
构建了一个结构化的图片描述体系；
-
在模型层面，通过整合人工标注、模型输出和公开数据等多种来源，提升了描述的完整性；
-
注入了包括文学作品形象、地标、食物、动物、中国元素等在内的丰富背景知识。
腾讯混元开源文生图大模型的相关链接如下：
-
官网：https://dit.hunyuan.tencent.com/
-
代码：https://github.com/Tencent/HunyuanDiT
-
模型：https://huggingface.co/Tencent-Hunyuan/HunyuanDiT
论文：https://tencent.github.io/HunyuanDiT/asset/Hunyuan_DiT_Tech_Report_05140553.pdf
