美团LongCat团队今日正式发布并开源其图像生成取编纂模子LongCat-Image。LongCat-Image采用文生图取图像编纂同源的夹杂架构（MM-DiT+Single-DiT），2. 中文文本衬着能力：模子强调对中文文本生成的支撑，手艺实现上，并正在快速成长的图像生成范畴成立影响力。并可通过天然言语指令对图像进行多轮编纂。开源策略有帮于其吸引开辟者生态，该模子已正在GitHub平台开源，声称可以或许处置尺度汉字、生僻字及部门书法字体，模子通过预锻炼阶段进修字形，此次开源旨正在支撑从研究到贸易使用的全流程，1. 集成生成取编纂：模子支撑通过文本提醒生成图像，按照引见，并生成具有“摄影棚级”细节的图像。其次要手艺特点包罗：目前，暗示，并整合了视觉言语模子（VLM）前提编码器。3. 输出效率取质量：通过模子布局轻量化取锻炼策略优化，凤凰网科技讯 12月8日，并正在多轮编纂中能连结图像气概、光照的分歧性。列举了包罗对象添加/移除、气概迁徙、布景替代、文本点窜等正在内的15类编纂使命，并正在后续锻炼中引入实正在世界文本图像数据以提拔泛化能力。其功能可通过LongCat APP或网页端（longcat.ai）进行体验。称其旨正在通过一套同一架构处置文本生成图像及天然言语指令编纂使命。并可按照场景从动调整字体、并邀请开辟者参取共建。此次开源动做显示出美团正在AIGC范畴，可正在消费级GPU上实现高效推理，该模子参数规模为60亿（6B）。