騰訊混元大模型現(xiàn)已支持“文生圖”功能，將陸續(xù)向用戶開放

發(fā)布日期：2023-10-26 17:49:43 瀏覽：

IT之家 10 月 26 日消息，據(jù)“鵝廠技術(shù)派”消息，騰訊混元大模型近日迎來全新升級(jí)，并正式對(duì)外開放“文生圖”功能。官方宣稱，升級(jí)后的騰訊混元中文效果整體超過 GPT3.5，代碼能力大幅提升 20%，達(dá)到業(yè)界領(lǐng)先水平。

▲ 圖源鵝廠技術(shù)派公眾號(hào)

據(jù)介紹，大模型文生圖的難點(diǎn)體現(xiàn)在對(duì)提示詞的語義理解，生成內(nèi)容的合理性以及生成圖片的效果，針對(duì)這三個(gè)技術(shù)難點(diǎn)，騰訊進(jìn)行了專項(xiàng)的技術(shù)研究，提出了一系列原創(chuàng)算法：

在語義理解方面，騰訊混元采用了中英文雙語細(xì)粒度的模型，模型同時(shí)建模中英文實(shí)現(xiàn)雙語理解，而不是通過翻譯，通過優(yōu)化算法提升了模型對(duì)細(xì)節(jié)的感知能力與生成效果，有效避免多文化差異下的理解錯(cuò)誤。
在內(nèi)容合理性方面，AI 生成人體結(jié)構(gòu)和手部經(jīng)常容易變形?；煸纳鷪D通過增強(qiáng)算法模型的圖像二維空間位置感知能力，并將人體骨架和人手結(jié)構(gòu)等先驗(yàn)信息引入到生成過程中，讓生成的圖像結(jié)構(gòu)更合理，減少錯(cuò)誤率。
在畫面質(zhì)感方面，混元文生圖基于多模型融合的方法，提升生成質(zhì)感。經(jīng)過模型算法的優(yōu)化之后，混元文生圖的人像模型，包含發(fā)絲、皺紋等細(xì)節(jié)的效果提升了 30%，場(chǎng)景模型，包含草木、波紋等細(xì)節(jié)的效果提升了 25%。

▲ 圖源鵝廠技術(shù)派公眾號(hào)

如果用戶想生成一張更接近真人感的照片，或接近實(shí)拍的圖片，可以加上“真實(shí)感”或“攝影風(fēng)”等描述；如果用戶想要特定風(fēng)格的圖片，建議在提示詞中加入該風(fēng)格的描述，如油畫風(fēng)、賽博朋克風(fēng)等。此外，用戶還可以對(duì)畫面進(jìn)行盡可能詳細(xì)地描述，以獲得滿意的效果。

據(jù)介紹，騰訊內(nèi)部目前已經(jīng)有多個(gè)開發(fā)平臺(tái)接入了騰訊混元大模型，已有超過 180 個(gè)內(nèi)部業(yè)務(wù)接入混元，包括騰訊會(huì)議、騰訊文檔、企業(yè)微信、騰訊廣告和微信搜一搜等。