Настольное приложение для генерации изображений по текстовым запросам и на основе изображений с помощью Stable Diffusion — запускается одним нажатием и не требует настройки.
10,5 тыс.860JavaScriptOtherОбновлён позавчера
Tencent-Hunyuan/HunyuanDiT
Открытый двуязычный diffusion transformer от Tencent для генерации изображений по тексту, понимающий запросы на китайском и английском.
Open source альтернатива:Midjourney
DALL-E 3
- Звёзды
- 4,290
- Форки
- 365
- Открытые issues
- 124
- Последний коммит
- 14 дней назад
Что это?
Hunyuan-DiT — модель для генерации изображений по тексту на архитектуре transformer, которая работает в латентном пространстве. Она использует предварительно обученный VAE для сжатия изображений, а также двуязычный CLIP и мультиязычный текстовый энкодер T5 для обработки запросов. Модель рассчитана на точное понимание запросов как на китайском, так и на английском и поддерживает несколько разрешений изображений.
В репозитории есть определения моделей PyTorch, предварительно обученные веса (версии с v1.0 по v1.2, а также дистиллированная версия) и скрипты инференса для командной строки, веб-интерфейса Gradio и Hugging Face Diffusers. Также доступны код для обучения со всеми параметрами и с LoRA, поддержка ControlNet и IP-Adapter, а также интеграции с ComfyUI и Kohya.
В проект входят DialogGen — мультимодальная модель для улучшения запросов, поддерживающая многошаговый диалог для генерации изображений, — и Hunyuan-Captioner для создания новых подписей к обучающим данным. Для инференса требуется GPU NVIDIA с CUDA и минимум около 11 ГБ видеопамяти; также предусмотрен вариант инференса на Diffusers, которому достаточно 6 ГБ.
Ключевые возможности
- 01Понимание запросов на китайском и английском для генерации изображений по тексту.
- 02Поддержка нескольких разрешений изображений благодаря обучению на разных разрешениях.
- 03Скрипты для обучения с LoRA и со всеми параметрами модели.
- 04Поддержка ControlNet (canny, pose, depth) и IP-Adapter.
- 05Многошаговый диалог для генерации изображений с помощью модели улучшения запросов DialogGen.
- 06Интеграция с Hugging Face Diffusers, ComfyUI и Kohya.
Сценарии использования
- Генерация изображений по запросам на китайском для творческих и дизайнерских задач.
- Дообучение модели генерации изображений под собственный стиль с помощью LoRA.
- Управляемая генерация изображений с условиями ControlNet, например позой или глубиной.
- Создание диалогового помощника для генерации изображений на основе демонстрационных приложений Gradio из репозитория.
Быстрый старт
- 1
Попробуйте модель в браузере через Tencent Hunyuan Bot
- 2
Следуйте руководству по установке для Linux в README
- 3
Скачайте предварительно обученные модели, как описано в README
Что важно знать
- Руководство по установке в README предназначено для Linux.
- Для локального запуска инференса нужна достаточно мощная видеокарта NVIDIA; в README также указан вариант с 6 ГБ VRAM.
- В метаданных лицензия не указана явно (NOASSERTION), поэтому перед коммерческим использованием ознакомьтесь с условиями лицензии.
Темы
Частые вопросы
- Что такое HunyuanDiT?
- Открытый двуязычный diffusion transformer от Tencent для генерации изображений по тексту, понимающий запросы на китайском и английском. Hunyuan-DiT — модель для генерации изображений по тексту на архитектуре transformer, которая работает в латентном пространстве. Она использует предварительно обученный VAE для сжатия изображений, а также двуязычный CLIP и мультиязычный текстовый энкодер T5 для обработки запросов. Модель рассчитана на точное понимание запросов как на китайском, так и на английском и поддерживает несколько разрешений изображений.
- HunyuanDiT можно использовать бесплатно? Какая у него лицензия?
- HunyuanDiT распространяется с открытым исходным кодом под лицензией Other. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- HunyuanDiT всё ещё поддерживается?
- Активно поддерживается. Последний коммит в HunyuanDiT — 8 окт. 2026 г..
- Для чего можно использовать HunyuanDiT?
- Генерация изображений по запросам на китайском для творческих и дизайнерских задач. Дообучение модели генерации изображений под собственный стиль с помощью LoRA. Управляемая генерация изображений с условиями ControlNet, например позой или глубиной. Создание диалогового помощника для генерации изображений на основе демонстрационных приложений Gradio из репозитория.
- Как установить HunyuanDiT?
- Попробуйте модель в браузере через Tencent Hunyuan Bot Следуйте руководству по установке для Linux в README Скачайте предварительно обученные модели, как описано в README
- Где скачать HunyuanDiT?
- Исходный код и инструкции по установке — на GitHub: https://github.com/Tencent-Hunyuan/HunyuanDiT
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Библиотека PyTorch с предобученными диффузионными моделями, планировщиками шума и компонентами для генерации изображений, видео и аудио.
34,8 тыс.7,4 тыс.PythonApache-2.0Обновлён позавчера
Веб-интерфейс на базе Gradio для запуска Stable Diffusion и новых моделей генерации изображений и видео — продолжение форка Forge с поддержкой дополнительных моделей и оптимизациями.
1,8 тыс.253PythonAGPL-3.0Обновлён 3 дня назад
Библиотека Python, которая запускает большие языковые модели послойно и позволяет выполнять инференс моделей класса 70B на одной GPU с 4 ГБ памяти без квантования.
39,5 тыс.4 тыс.Jupyter NotebookApache-2.0Обновлён 3 дня назад
Открытые крупномасштабные модели генерации видео: из текста, изображений и речи, а также для анимации персонажей.
ИИ и машинное обучение#video-generation#text-to-video#image-to-video#diffusion-model#mixture-of-experts
18,1 тыс.2,3 тыс.PythonApache-2.0Обновлён в прошлом месяце
Открытая модель для создания интерактивных игровых видео: она превращает референсное изображение и ввод с клавиатуры или мыши в управляемый геймплейный ролик.
76078PythonOtherОбновлён 11 месяцев назад