6月6日，騰訊發(fā)布針對騰訊混元文生圖開源大模型（以下簡稱為混元DiT模型）的加速庫，讓推理效率大幅提升，生圖時間縮短75%。
混元DiT模型的使用門檻也大幅降低，用戶可以基于ComfyUI的圖形化界面，使用騰訊混元文生圖模型能力。同時，混元DiT模型已經(jīng)部署至Hugging Face Diffusers通用模型庫中，用戶僅用三行代碼即可調(diào)用混元DiT模型，無需下載原始代碼庫。
此前，騰訊宣布旗下的混元文生圖大模型全面升級并對外開源，可供企業(yè)與個人開發(fā)者免費商用。這是業(yè)內(nèi)首個中文原生的DiT架構(gòu)文生圖開源模型，支持中英文雙語輸入及理解；采用了與 sora 一致的DiT架構(gòu)，不僅可支持文生圖，也可作為視頻等多模態(tài)視覺生成的基礎。
騰訊混元DiT模型開源之后，受到了眾多社區(qū)開發(fā)者的認可。開源不到一個月，項目Github Star數(shù)就超過2100，位于開源社區(qū)熱門DiT模型前列。
混元DiT Github頁面
為了提升開發(fā)者使用體驗，騰訊混元官方上線了專屬的加速庫，讓推理時間縮短75%，提高大模型運行效率。開發(fā)者通過Hugging Face即可下載該推理加速工具。
項目組通過知識蒸餾和TensorRT高性能推理框架，實現(xiàn)了DiT模型的采樣步數(shù)壓縮與高效推理部署。蒸餾主要指降低擴散模型迭代的步數(shù)實現(xiàn)加速。模型整體結(jié)構(gòu)和參數(shù)量不變，用戶在無需任何額外的操作和設備要求下使用蒸餾權(quán)重，即可降低50%迭代步數(shù)，實現(xiàn)耗時減半。TensorRT推理加速方案通過工程優(yōu)化，可以進一步降低耗時，并且和模型權(quán)重解耦。同時使用兩者進行推理部署，可將推理時間縮短75%。
官方還分享了兩個降低用戶使用門檻的最新消息：經(jīng)過與吐司社區(qū)的共同努力，用戶可以基于ComfyUI的圖形化界面使用騰訊混元文生圖模型能力。同時，通過與Hugging Face團隊合作，混元DiT模型已經(jīng)部署到Hugging Face官方模型庫Diffusers中，并編寫了適配該模型庫的調(diào)用和生成代碼，用戶可以直接通過該途徑調(diào)用混元DiT模型，大大簡化了用戶使用的成本。
ComfyUI是一款文生圖領域的WebUI界面設計，它將文生圖領域的擴散算法模塊化與圖形化，提升了生成效率與資源利用率，也大幅降低了開發(fā)者的使用門檻。用戶可以通過圖像化工作流使用混元DiT文生圖模型，實現(xiàn)與官方模型一樣的效果。
混元DiT文生圖模型的ComfyUI使用界面
此外，圍繞ComfyUI的使用生態(tài)，還衍生出強大的開源社區(qū)?；煸狣iT對ComfyUI的支持，也能讓社區(qū)的成員體驗基于最新DiT架構(gòu)的文生圖模型。
作為知名的AI開源社區(qū)，Hugging Face的Diffusers是目前調(diào)用各種主流文生圖大模型的通用庫，已經(jīng)成為當今文生圖大模型使用的社區(qū)標準。
將混元DiT模型適配進Hugging Face Diffusers，可以大幅提升模型的易用性和用戶基礎。用戶無需將原始代碼庫下載與部署到自身環(huán)境，安裝了Diffusers庫的開發(fā)者，僅需要運行幾行代碼，即可調(diào)用混元DiT模型，配置與調(diào)用都十分方便。同時，Hugging Face與騰訊混元團隊共同優(yōu)化算法框架，加快了圖片的生成速度。
此舉也相當于為所有后續(xù)基于混元DiT的使用和開發(fā)提供了底層支持，覆蓋各種需要調(diào)用混元DiT的任何場景，包括上述的ComfyUI方式。同時對開發(fā)者而言，之前配置好的基于Diffusers的工作流和插件可以在少量修改的情況下直接用于混元DiT。
騰訊文生圖負責人蘆清林表示：“騰訊混元文生圖模型開源之后得到了眾多開發(fā)者的支持和反饋，我們十分高興，也同時在針對開發(fā)者的反饋與社區(qū)一起完善和優(yōu)化基于混元DiT的開源生態(tài)，讓更多開發(fā)者能更便利地享受到最新的研究成果。也歡迎大家跟我們一起共建下一代視覺生成開源生態(tài)，推動大模型行業(yè)加速發(fā)展?！?/p>
本文轉(zhuǎn)載自：，不代表科技訊之立場。原文鏈接：https://v.mrkbao.com/news/111202406071408327464153421.html
