HunyuanImage-2.1 open source генерации изображений 2K
Основные особенности:
🔘Генерация кинематографичных изображений 2048×2048
🔘Нативная поддержка китайского и английского языков
🔘32× компрессия VAE - создание 2K изображений за время генерации 1K у конкурентов
Двухэтапная архитектура
1️⃣ Базовая модель (17B параметров):
- Двойной текстовый энкодер (MLLM + многоязычный ByT5)
- Одно- и двухпотоковый диффузионный трансформер
- RLHF оптимизация для эстетики
2️⃣ Refiner модель:
- Улучшение качества и четкости
- Минимизация артефактов
Новые технологии
🔘PromptEnhancer: Автоматическое улучшение промптов с поддержкой 6 категорий и 24 критериев оценки
🔘Meanflow дистилляция: снижение шагов генерации с 50 до 8, тенсент первые кто нормально внедрили эту технологию
🔘Структурированные описания: Многоуровневая семантическая информация с OCR агентом и IP RAG
Бенчмарки
🔘SSAE оценка: Лучший результат среди open-source моделей (0.8888), близко к GPT-Image
🔘GSB оценка: +2.89% против Qwen-Image, -1.36% против Seedream3.0 (коммерческая)
Системные требования
- NVIDIA GPU с поддержкой CUDA
- Минимум 59GB GPU памяти для генерации 2048×2048
- Linux OS
Поддерживаемые форматы
Соотношения сторон: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3
GitHub репозиторий | Demo страница | HF
