App de desktop com instalação em um clique para gerar imagens a partir de textos e imagens usando Stable Diffusion, por uma interface no navegador que não exige configuração técnica.
10,5 mil860JavaScriptOtherAtualizado anteontem
Tencent-Hunyuan/HunyuanDiT
Um transformer de difusão de texto para imagem bilíngue e de código aberto da Tencent, que entende prompts em chinês e inglês.
Alternativa open source a:Midjourney
DALL-E 3
- Estrelas
- 4,290
- Forks
- 365
- Issues abertas
- 124
- Último commit
- há 14 dias
O que é?
Hunyuan-DiT é um modelo de difusão de texto para imagem baseado em uma arquitetura transformer que opera no espaço latente, usando um VAE pré-treinado para comprimir imagens e um CLIP bilíngue, além de um encoder de texto T5 multilíngue, para processar prompts. Ele foi projetado para compreender com precisão tanto o chinês quanto o inglês e aceita várias resoluções de saída.
O repositório oferece definições de modelos em PyTorch, pesos pré-treinados (da v1.0 à v1.2, além de uma versão destilada) e scripts de inferência para linha de comando, interface web em Gradio e Hugging Face Diffusers. Também inclui código de treinamento com todos os parâmetros e com LoRA, suporte a ControlNet e IP-Adapter e integrações com ComfyUI e Kohya.
O projeto também inclui o DialogGen, um modelo multimodal de aprimoramento de prompts que aceita diálogos de várias rodadas para geração de imagens a partir de texto, e o Hunyuan-Captioner, para gerar novas legendas para dados de treinamento. A inferência requer uma GPU NVIDIA com CUDA e cerca de 11 GB de memória de GPU, no mínimo; também há uma opção de inferência com Diffusers que usa 6 GB.
Recursos principais
- 01Compreende prompts em chinês e inglês para geração de imagens a partir de texto.
- 02Aceita várias resoluções de imagem e oferece treinamento em múltiplas resoluções.
- 03Oferece scripts de treinamento com LoRA e com todos os parâmetros.
- 04Inclui suporte a ControlNet (canny, pose e profundidade) e IP-Adapter.
- 05Permite diálogos de várias rodadas para geração de imagens a partir de texto com o modelo de aprimoramento de prompts DialogGen.
- 06Integra-se ao Hugging Face Diffusers, ComfyUI e Kohya.
Casos de uso
- Gerar imagens com prompts em chinês para trabalhos criativos ou de design.
- Ajustar um modelo de texto para imagem a um estilo personalizado usando LoRA.
- Executar geração controlável de imagens com condições do ControlNet, como pose ou profundidade.
- Criar um assistente de criação de imagens com diálogo de várias rodadas usando as demos em Gradio fornecidas.
Início rápido
- 1
Experimente o modelo no navegador pelo Tencent Hunyuan Bot
- 2
Siga o guia de instalação para Linux no README
- 3
Baixe os modelos pré-treinados conforme descrito no README
Antes de usar
- O guia de instalação do README foi escrito para Linux.
- Para executar inferências localmente, é necessária uma GPU NVIDIA com capacidade suficiente; o README também apresenta uma opção com 6 GB de VRAM.
- Os metadados não indicam claramente a licença (NOASSERTION), então confira os termos da licença antes de usar o projeto comercialmente.
Tópicos
Perguntas frequentes
- O que é HunyuanDiT?
- Um transformer de difusão de texto para imagem bilíngue e de código aberto da Tencent, que entende prompts em chinês e inglês. Hunyuan-DiT é um modelo de difusão de texto para imagem baseado em uma arquitetura transformer que opera no espaço latente, usando um VAE pré-treinado para comprimir imagens e um CLIP bilíngue, além de um encoder de texto T5 multilíngue, para processar prompts. Ele foi projetado para compreender com precisão tanto o chinês quanto o inglês e aceita várias resoluções de saída.
- HunyuanDiT é gratuito? Qual é a licença?
- HunyuanDiT é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
- HunyuanDiT ainda é mantido?
- Manutenção ativa. O último commit de HunyuanDiT foi em 8 de out. de 2026.
- Para que posso usar HunyuanDiT?
- Gerar imagens com prompts em chinês para trabalhos criativos ou de design. Ajustar um modelo de texto para imagem a um estilo personalizado usando LoRA. Executar geração controlável de imagens com condições do ControlNet, como pose ou profundidade. Criar um assistente de criação de imagens com diálogo de várias rodadas usando as demos em Gradio fornecidas.
- Como instalar HunyuanDiT?
- Experimente o modelo no navegador pelo Tencent Hunyuan Bot Siga o guia de instalação para Linux no README Baixe os modelos pré-treinados conforme descrito no README
- Onde consigo HunyuanDiT?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Tencent-Hunyuan/HunyuanDiT
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca PyTorch de modelos de difusão pré-treinados, schedulers de ruído e componentes para geração de imagens, vídeos e áudio.
34,8 mil7,4 milPythonApache-2.0Atualizado anteontem
Uma interface web baseada em Gradio para executar Stable Diffusion e modelos mais recentes de imagem e vídeo, dando continuidade ao fork Forge com suporte a novos modelos e otimizações.
1,8 mil253PythonAGPL-3.0Atualizado há 3 dias
Biblioteca Python que executa LLMs grandes camada por camada, permitindo inferência com modelos da classe 70B em uma única GPU de 4 GB, sem quantização.
39,5 mil4 milJupyter NotebookApache-2.0Atualizado há 3 dias
Modelos generativos de vídeo open source em larga escala para texto para vídeo, imagem para vídeo, fala para vídeo e animação de personagens.
IA e Machine Learning#video-generation#text-to-video#image-to-video#diffusion-model#mixture-of-experts
18,1 mil2,3 milPythonApache-2.0Atualizado mês passado
Modelo open source de geração interativa de vídeos de jogos que transforma uma imagem de referência e comandos de teclado ou mouse em vídeos de gameplay controláveis.
76078PythonOtherAtualizado há 11 meses