Tencent-Hunyuan/HunyuanDiT

これは何？

主な機能

• 01テキスト画像生成において、中国語と英語のプロンプトを理解します。
• 02複数解像度での学習により、さまざまな画像解像度に対応します。
• 03LoRAおよび全パラメーターの学習スクリプトを提供します。
• 04ControlNet（canny、pose、depth）とIP-Adapterに対応しています。
• 05プロンプト拡張モデルDialogGenにより、複数ターンのテキスト画像生成対話を実現します。
• 06Hugging Face Diffusers、ComfyUI、Kohyaと連携できます。

ユースケース

• クリエイティブ制作やデザインで、中国語のプロンプトから画像を生成する。
• LoRAを使って、独自のスタイルに合わせてテキスト画像生成モデルをファインチューニングする。
• poseやdepthなどのControlNet条件を使って、制御可能な画像生成を行う。
• 付属のGradioデモをベースに、複数ターンで画像を作成できるアシスタントを構築する。

クイックスタート

1. 1

   Tencent Hunyuan Botを使って、ブラウザーでモデルを試す

2. 2

   READMEにあるLinux向けインストールガイドに従う

3. 3

   READMEの説明に従って、事前学習済みモデルをダウンロードする

使う前に知っておきたいこと

• !READMEのインストールガイドはLinux向けです。
• !ローカルで推論を実行するには高性能なNVIDIA GPUが必要です。READMEにはVRAM 6GBの選択肢も記載されています。
• !メタデータではライセンスが明確に示されていません（NOASSERTION）。商用利用の前にライセンス条件を確認してください。

トピック

よくある質問

HunyuanDiT とは？

中国語と英語のプロンプトを理解する、Tencent製のオープンソース二言語対応テキスト画像生成拡散トランスフォーマーです。 Hunyuan-DiTは、Transformerアーキテクチャを採用し、潜在空間で動作するテキスト画像生成モデルです。事前学習済みVAEで画像を圧縮し、二言語対応CLIPと多言語T5テキストエンコーダーでプロンプトを処理します。中国語と英語の両方を細かく理解できるよう設計されており、複数の出力解像度に対応しています。

HunyuanDiT は無料で使えますか？ライセンスは？

HunyuanDiT は Other ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

HunyuanDiT は今もメンテナンスされていますか？

活発にメンテナンス中。HunyuanDiT の最終コミットは 2026年10月8日 です。

HunyuanDiT は何に使えますか？

クリエイティブ制作やデザインで、中国語のプロンプトから画像を生成する。 LoRAを使って、独自のスタイルに合わせてテキスト画像生成モデルをファインチューニングする。 poseやdepthなどのControlNet条件を使って、制御可能な画像生成を行う。 付属のGradioデモをベースに、複数ターンで画像を作成できるアシスタントを構築する。

HunyuanDiT のインストール方法は？

Tencent Hunyuan Botを使って、ブラウザーでモデルを試す READMEにあるLinux向けインストールガイドに従う READMEの説明に従って、事前学習済みモデルをダウンロードする

HunyuanDiT はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/Tencent-Hunyuan/HunyuanDiT