鹅厂大模型，又有新玩法！

发布不到两个月，腾讯混元大模型就速通了一个新版本，除了语言模型升级以外，还悄悄上线了AIGC最火热??的功能——

文生图。

和语言模型一样，文生图同样可以通过微信小程序直接体验。

不过与Midjourney独立出图不同，混元的文生图和对话功能“互不耽误”，可以边聊边画，与DALL·E 3体验相似。

之前已经申请测试通过的，可以立刻冲了~

还在排队中的也别急，我们已经快速实测了一波热图，这就先放出来给大伙儿看看。

混元文生图上手实测

根据腾讯介绍，混元大模型文生图最大的优势在三处：真实感、中文理解、风格多样。

接下来就挨个试试它做到了什么程度。

先来画人，复刻一波之前爆火过的Midjourney“写实90年代北京情侣”看看。

请输出一张摄影风的照片，在20世纪90年代的北京，一个男性和一个女性，面带微笑，坐在屋顶，穿着夹克和牛仔裤，有很多的建筑物，真实感

可以看出，写实风格的人像还是很拿手的，人物姿态合理，画亚洲人脸与国外AI相也比较自然。

注意这里有个小技巧，想要写实风格的话最好用“生成一张……”来触发，如果用“画一张……”大概率会得到插画风格。

写实风格的人像可以，再看看画风景如何。

除了一般的风景描述，混元大模型支持指定一个真实存在的景点，比如“桂林山水”或“长城”。

毕竟是AI生成，和真实景观不会完全一样，但感觉还是到位了。

接下来要上难度了，把这两个场景“组合”起来：

生成一张桂林山水，但是岸上有长城，摄影风格，真实感，高度细节。

这么离谱的需求都画出来了，甚至水面还有水波，看来不是简单地重现训练数据，而是对概念有一些自己的理解。

那么更复杂的概念如何？

曾经，AI因不理解中文菜名闹过一波笑话。

经过这半年的发展，“红烧狮子头”里不会出现狮子的头，“夫妻肺片”里也不会变成恐怖片了，甚至看着还挺香。

要说比菜名更有挑战的，就到了古诗词，正好写实风格也看腻了也可以换换口味。

生成一张图片：孤舟蓑笠翁，独钓寒江雪，水墨画风格。

总得来说还不错，美中不足之处在于一张图没有“舟”，还有一张舟上坐了两个“翁”，就没有孤独的意境了。

看来诗词这种过于凝练的还是有难度。

But，别忘了混元助手同时拥有聊天对话能力，还支持多轮对话。

借助强大的语言模型部分，我们也找出解决办法。

接下来只需用“这些要求”、“上述要求”来指代上面的回答，就可以让两个功能联动起来了。

再画就会更稳定，而且增加了雪花飘落的细节。

记住这个小技巧，接下来还会用到。

其实在腾讯混元助手中，专门准备了这样一个存为指令的功能。

存好后就可以从对话框右边的魔法棒图标处快速调用了，只需要更改要描述的内容即可。

还可以方便地一键分享到微信，4张图一次分享让好友帮忙选，不用来回截图了。

直接打开分享链接，就可以放大查看四张图，还可以开始新对话！

了解过混元大模型的中文理解能力，再来试试最后一个特点风格多样性。

既然是腾讯出品，游戏插画肯定少不了，比如正火的赛博朋克风。

有点感觉了，但总觉得还差点意思。

可以用上面的技巧来，联动语言模型来明确赛博朋克风格的特点。

再手动加亿点点料，就更对味了。

不同游戏的画风差距极大，测试下来混元助手确实能hold住不少，从3D到2D甚至像素都没问题。

即使是同一话题和风格限定，也能展现出不同的画风，Furry控狂喜（doge）

其实腾讯透露，内部多个场景已经用上了混元大模型文生图能力。

虽然还不知道具体怎么使用，但是我们测试了一下用《王者荣耀》来当风格限定词，混元也能理解。

除了游戏之外还有广告场景，前面提到的混元大模型文生图真实感的优势就能发挥出来。

也别忘了腾讯还有一大块内容业务，来个玄幻小说插图也没问题。

这样的文生图效果，背后究竟是通过什么原理实现的？

在此之前，业界其实已经有不少文生图的开源模型。

腾讯是基于其中某种方案打造，还是重新进行的自研？

带着种种问题，我们和腾讯混元大模型文生图技术负责人芦清林聊了聊，了解了一下背后的技术细节。

模型全自研，用20亿+图文对炼成

“从算法、数据系统到工程平台，都是从0到1自研。”

芦清林表示，这也算是腾讯混元大模型文生图功能的优势，这样从生成自由度到数据安全性，就都能完全把控，也让生成的图像“更符合用户需求”。

首先是在算法这一块。

当前文生图模型普遍存在三个难点，语义理解差、构图不合理、画面细节无质感。

语义理解差，就是模型听不懂人话，尤其是中英文夹杂的人话。

当前业界普遍采用的是开源的CLIP算法，然而它一来没有建模中文语言，输入中文只能靠翻译，会出现红烧狮子头真的生成狮子的问题（doge）；另一个是训练时图文对齐能力不行。

构图不合理，指的是生成的人体结构、画面结构有问题，直接“生异形”。

如果直接基于业界已有的开源扩散模型生成图像，就容易出现这个问题，像是出现“三只手”或者各种奇怪的画面结构。

画面细节无质感，就是生成图像清晰度差。当前不少数据集图像分辨率和质量不高，容易导致训练出来的开源模型质量也不高。

为了解决这三个难点，腾讯混元团队在算法阶段，特意用了三类模型组合来“逐个击破”。

语义理解上，腾讯自研了跨模态预训练大模型，不仅让它同时学会建模中英文，而且强化文本和图像细粒度特征的联系，简单来说就是中文、英文、图像三者的“跨模态对齐”。

生成构图上，腾讯自研了一种扩散模型和Transformer混合的架构，尤其是将Transformer当前大火的旋转位置编码研究给用上了。

旋转位置编码通常被用于增加大模型的上下文长度，不过在这里被腾讯巧妙地用于刻画人体结构，让模型既能掌握全局信息（人体骨架）又能理解局部信息（脸部细节）。

最后是在画面细节上，腾讯自研了超分辨率模型，与此同时还结合了多种算法，针对图像不同的细节进行优化，让最后生成的图像进一步“耐看”。

这样做出来的模型架构，不仅能生成质量更高的图片（分辨率1024 x 1024），而且只需要微调一下架构，就能变成图生图、甚至是文生视频模型。

接下来，就是关键的数据部分了。

对于文生图而言，生成图像的质量，很大程度上取决于数据的质量，OpenAI在DALL·E 3论文中，通篇都在强调数据对于指令跟随的重要性。

腾讯也非常重视数据对模型的重要性，并同样自研了三方面的技术。

在数据质量上，由于互联网上扒下来的数据集，往往存在文字描述简洁、和生成内容不完全匹配的问题，因此团队通过改善图-文对数据集中的“文”部分，也就是细化中文的文本描述，来提升图文数据的相关性；

在数据效果上，团队针对训练数据进行了“金银铜”分层分级，等级越高，意味着数据清洗程度越精细。

其中，20+亿未清洗的“青铜数据”，用来对所有模型进行“粗加工”，也就是预训练；

6亿+“白银数据”，用来对生成模型进一步加工，提升生成质量；

1.12亿+精心清洗的“黄金数据”，则用来对模型进行“精加工”，也就是精调突击训练，确保训练出来的模型质量更优秀。

在数据效率上，为了加快训练速度，尤其是针对用户反馈对模型进行优化的速度，腾讯也建立了数据飞轮，自动化构建训练数据并加快模型迭代，让模型生成准确率进一步提升。

据芦清林透露，数据飞轮这个技术，也正是解决数据长尾场景难题的关键。

由于我们的生活中总是在出现一些潮流新词，例如“玲娜贝儿”等，这种名词往往在数据集中不常见，而用户又会在输入时使用，因此往往需要第一时间更新进训练数据中。

有了数据飞轮，就能将这个过程效率进一步提升，避免模型在见识到新词后，依旧长时间无法生成对应的图像。

最后，有了算法和数据，还得有个工程平台，来把它们组合起来快速训练。

为此，腾讯自研了Angel机器学习平台，包括训练框架AngelPTM和推理框架AngelHCF。

训练上，大模型最重要的就是并行能力。为此，腾讯基于4D并行+ZeROCache机制，实现了千亿参数混元大模型的快速训练。

直观来看，AngelPTM训练框架相比业界主流框架DeepSpeed-Chat速度提升了1倍以上。

推理上，AngelHCF则实现了支持多种并行能力、支持服务部署及管理、以及自研模型无损量化三大功能，相比业界主流框架提升了1.3倍以上。

值得一提的是，在Angel机器学习框架和平台的支持下，腾讯混元的语言模型也进行了一轮升级，尤其是代码能力有不小的提升。

我们也简单测了测腾讯混元大模型更新后的代码能力。

首先试试写代码，以帮老师写一个“随机点名程序”为例（手动狗头）。

混元大模型很快生成了一段带注释的完整代码：

实测可以丝滑运行，每次都能抽到不同的幸（dao）运（mei）儿（dan）起来回答问题：

然后我们还发现，混元大模型竟然还能帮忙查代码bug，属实是程序员省心利器了。

当然，无论是文生图还是代码能力，现在都已经可以在腾讯混元助手中体验。

感兴趣的小伙伴，可以到腾讯混元助手排个队或是体验一把~