Hunyuan-DiT : A Powerful Multi-Resolution Diffusion Transformer with Fine-Grained Chinese Understanding

腾讯混元DiT模型已升级至1.2版本，推出小显存版本与Kohya训练界面，进一步降低使用门槛的同时提升图片质量，最低仅需6G显存即可运行优化推理框架。Kohya是一个开源的、轻量化模型微调训练服务，提供了图形化的用户界面，被广泛用于扩散模型类文生图模型的训练。用户可以通过图形化界面，完成模型的全参精调及LoRA训练，无需涉及到代码层面的细节。训练好的模型符合Kohya生态架构，可以低成本与 WebUI 等推理界面结合，实现一整套“训练-生图”工作流。

中英双语DIT架构

对比分析

为了全面对比混元DiT与其他模型的生成能力，我们构建了4维测试集，包括Text-Image Consistency、Excluding AI Artifact、Subject Clarity,、Aesthetic，由50多位专业评测人员进行评测。

部分展示

• Long Text Input

作为首个中文原生DiT开源模型，混元DiT自全面开源以来，一直持续建设生态。6月，混元DiT发布的专属加速库，可将推理效率进一步提升，生图时间缩短75%；并进一步开源了推理代码；发布LoRA和ControlNet等插件。于此同时，模型易用性大幅提升，用户可以通过Hugging Face Diffusers快讯调用混元DiT模型及其插件，或基于Kohya和ComfyUI等图形化界面训练与使用混元DiT。

目前，在众多开发者的支持下，混元DiT发布不到2个月，Github Star数已经超过2.6k，成为最受欢迎的国产DiT开源模型。

小伙伴们快去试试吧！！！

请一定遵循混元模型的开源协议哦！

官网：https://dit.hunyuan.tencent.com/

论文：https://tencent.github.io/HunyuanDiT/asset/Hunyuan_DiT_Tech_Report_05140553.pdf

数据制作流程：https://github.com/Tencent/HunyuanDiT/blob/main/IndexKits/docs/MakeDataset.md