效果媲美GPT 4o！腾讯混元开源角色定制化图像生成插件

今日，腾讯混元宣布开源定制化图像生成件InstantCharacter，并实现了对开源文生图模型Flux的兼容。

通过该插件，在大模型中，只需要一张图加一句话，就能让任何角色以你想要的姿势出现在任何地方。

据介绍，InstantCharacter的优势在于可以确保角色在不同场景中的一致性和真实性、画质和精度高，同时具有灵活的文本编辑性，用户可以根据需要灵活切换任意场景，让人物生成任意动作。

因此，内容创作者能通过这一插件让生成的角色保持高度一致，能够更高效地创作出符合其需求的视觉作品，可以用于连环画、影片创作等场景。

输入以下原始图片：

+ prompt ：a rabbit is in the kitchen holding a spoon and drinking soup，就能得到下面的图：

+prompt：a rabbit in the city,cyberpunk，就可以得到：

实际的测评中，开源的InstantCharacter实现的效果媲美GPT 4o等业界领先模型。

腾讯混元表示，现有基于学习的方法主要依赖于U-Net架构，但在泛化能力和图像质量上存在局限性，而基于优化的方法则需要针对特定主体进行微调，这不可避免地降低了文本可控性。

为解决这些问题，InstantCharacter利用DiT模型构建了一个创新的框架。

框架引入一个可扩展的适配器（adapter），采用多个transformer encoder，能有效处理开放域的角色特征，并与现代扩散变换器的潜在空间无缝交互，这种设计使得系统能够灵活适应不同的角色特征。