本站4月18日消息，今日，騰訊混元宣布開源定制化圖像生成件InstantCharacter，并實現了對開源文生圖模型Flux的兼容。
通過該插件，在大模型中，只需要一張圖加一句話，就能讓任何角色以你想要的姿勢出現在任何地方。
據介紹，InstantCharacter的優勢在于可以確保角色在不同場景中的一致性和真實性、畫質和精度高，同時具有靈活的文本編輯性，用戶可以根據需要靈活切換任意場景，讓人物生成任意動作。
因此，內容創作者能通過這一插件讓生成的角色保持高度一致，能夠更高效地創作出符合其需求的視覺作品，可以用于連環畫、影片創作等場景。
輸入以下原始圖片：
prompt ：a rabbit is in the kitchen holding a spoon and drinking soup，就能得到下面的圖：
prompt：a rabbit in the city,cyberpunk，就可以得到：
實際的測評中，開源的InstantCharacter實現的效果媲美GPT 4o等業界領先模型。
騰訊混元表示，現有基于學習的方法主要依賴于U-Net架構，但在泛化能力和圖像質量上存在局限性，而基于優化的方法則需要針對特定主體進行微調，這不可避免地降低了文本可控性。
為解決這些問題，InstantCharacter利用DiT模型構建了一個創新的框架。
框架引入一個可擴展的適配器（adapter），采用多個transformer encoder，能有效處理開放域的角色特征，并與現代擴散變換器的潛在空間無縫交互，這種設計使得系統能夠靈活適應不同的角色特征。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
