Aplicación de escritorio de un clic para generar imágenes a partir de texto e imágenes con Stable Diffusion, mediante una interfaz web que no requiere configuración técnica.
10,5 mil860JavaScriptOtherActualizado anteayer
Tencent-Hunyuan/HunyuanDiT
Un transformer de difusión bilingüe y de código abierto para generar imágenes a partir de texto, desarrollado por Tencent y compatible con prompts en chino e inglés.
Alternativa open source a:Midjourney
DALL-E 3
- Estrellas
- 4,290
- Forks
- 365
- Issues abiertos
- 124
- Último commit
- hace 14 días
¿Qué es?
Hunyuan-DiT es un modelo de difusión de texto a imagen basado en una arquitectura transformer que opera en el espacio latente. Usa un VAE preentrenado para comprimir imágenes y un codificador de texto compuesto por CLIP bilingüe y T5 multilingüe para procesar los prompts. Está diseñado para comprender con precisión tanto el chino como el inglés y admite varias resoluciones de salida.
El repositorio incluye definiciones de modelos en PyTorch, pesos preentrenados (de la versión 1.0 a la 1.2, además de una versión destilada) y scripts de inferencia para la línea de comandos, una interfaz web de Gradio y Hugging Face Diffusers. También incluye código de entrenamiento con todos los parámetros y con LoRA, compatibilidad con ControlNet e IP-Adapter e integraciones con ComfyUI y Kohya.
El proyecto también incluye DialogGen, un modelo multimodal para mejorar prompts que admite diálogos de varios turnos para generar imágenes a partir de texto, y Hunyuan-Captioner, para volver a generar los captions de los datos de entrenamiento. La inferencia requiere una GPU NVIDIA con CUDA y un mínimo aproximado de 11 GB de memoria de GPU; también se proporciona una opción de inferencia con Diffusers que requiere 6 GB.
Funciones clave
- 01Comprende prompts en chino e inglés para generar imágenes a partir de texto.
- 02Admite varias resoluciones de imagen mediante entrenamiento multirresolución.
- 03Incluye scripts de entrenamiento con LoRA y con todos los parámetros.
- 04Incluye compatibilidad con ControlNet (canny, pose y depth) e IP-Adapter.
- 05Permite mantener diálogos de varios turnos para generar imágenes a partir de texto mediante el modelo DialogGen de mejora de prompts.
- 06Se integra con Hugging Face Diffusers, ComfyUI y Kohya.
Casos de uso
- Generar imágenes a partir de prompts en chino para proyectos creativos o de diseño.
- Ajustar un modelo de texto a imagen a un estilo personalizado con LoRA.
- Ejecutar generación de imágenes controlable con condiciones de ControlNet, como pose o depth.
- Crear un asistente de generación de imágenes con varios turnos a partir de las demos de Gradio incluidas.
Inicio rápido
- 1
Prueba el modelo en el navegador a través de Tencent Hunyuan Bot
- 2
Sigue la guía de instalación para Linux del README
- 3
Descarga los modelos preentrenados como se indica en el README
Antes de usarlo
- La guía de instalación del README está escrita para Linux.
- Para ejecutar inferencias localmente se necesita una GPU NVIDIA con suficiente capacidad; el README también incluye una opción con 6 GB de VRAM.
- Los metadatos no indican claramente la licencia (NOASSERTION), así que consulta sus condiciones antes de usar el proyecto con fines comerciales.
Temas
Preguntas frecuentes
- ¿Qué es HunyuanDiT?
- Un transformer de difusión bilingüe y de código abierto para generar imágenes a partir de texto, desarrollado por Tencent y compatible con prompts en chino e inglés. Hunyuan-DiT es un modelo de difusión de texto a imagen basado en una arquitectura transformer que opera en el espacio latente. Usa un VAE preentrenado para comprimir imágenes y un codificador de texto compuesto por CLIP bilingüe y T5 multilingüe para procesar los prompts. Está diseñado para comprender con precisión tanto el chino como el inglés y admite varias resoluciones de salida.
- ¿HunyuanDiT es gratuito? ¿Qué licencia tiene?
- HunyuanDiT es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿HunyuanDiT sigue mantenido?
- Mantenimiento activo. El último commit de HunyuanDiT fue el 8 oct 2026.
- ¿Para qué puedo usar HunyuanDiT?
- Generar imágenes a partir de prompts en chino para proyectos creativos o de diseño. Ajustar un modelo de texto a imagen a un estilo personalizado con LoRA. Ejecutar generación de imágenes controlable con condiciones de ControlNet, como pose o depth. Crear un asistente de generación de imágenes con varios turnos a partir de las demos de Gradio incluidas.
- ¿Cómo se instala HunyuanDiT?
- Prueba el modelo en el navegador a través de Tencent Hunyuan Bot Sigue la guía de instalación para Linux del README Descarga los modelos preentrenados como se indica en el README
- ¿Dónde consigo HunyuanDiT?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Tencent-Hunyuan/HunyuanDiT
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Biblioteca de PyTorch con modelos de difusión preentrenados, planificadores de ruido y componentes para generar imágenes, video y audio.
34,8 mil7,4 milPythonApache-2.0Actualizado anteayer
Interfaz web basada en Gradio para ejecutar Stable Diffusion y modelos recientes de imagen y video, que continúa el fork Forge con más compatibilidad y optimizaciones.
1,8 mil253PythonAGPL-3.0Actualizado hace 3 días
Biblioteca de Python que ejecuta modelos de lenguaje grandes capa por capa para que los modelos de 70B puedan inferir en una sola GPU de 4 GB, sin cuantización.
39,5 mil4 milJupyter NotebookApache-2.0Actualizado hace 3 días
Modelos generativos de video de código abierto y gran escala para crear videos a partir de texto, imágenes o audio, y animar personajes.
IA y Machine Learning#video-generation#text-to-video#image-to-video#diffusion-model#mixture-of-experts
18,1 mil2,3 milPythonApache-2.0Actualizado el mes pasado
Modelo de código abierto para generar videos interactivos de juegos a partir de una imagen de referencia y controles de teclado o mouse.
76078PythonOtherActualizado hace 11 meses