數字人的AB面：在元宇宙中過氣，在AIGC中重生
來源：光錐智能作者：郝 鑫“29800元一年的虛擬主播，號稱24小時不停播，月入十幾萬，實際上卻是關鍵詞都不能回復，播了半個月，直播間還因違規被快手封禁，最終投訴無門、退款無果。&
近日，大模型領域的獨角獸企業智譜科技震撼發布其最新研發成果——CogView4，這是一款開創性的開源文生圖模型，特別之處在于它首次實現了對漢字生成的支持。
CogView4模型內含60億參數，專為中文環境設計，不僅支持原生中文輸入，還能將中文文本直接轉化為圖像。其最顯著的技術更新在于，該模型能夠無縫處理中英文雙語提示詞，將字符巧妙融入圖像之中，且對長達上百字的復雜提示詞也能精準理解。
與上一代產品CogView3-Plus-3B相比，CogView4在提示詞處理上實現了質的飛躍，長度上限從224 Tokens大幅提升至1024 Tokens，極大擴展了用戶的創意空間。
在權威的文生圖基準測試DPG-Bench中，CogView4憑借卓越的表現摘得桂冠，證明了其在復雜語義對齊和指令跟隨能力上的領先地位。目前，CogView4的6B-0304版本已面向公眾開源，并將于3月13日正式登陸智譜清言平臺（chatglm.cn）。
CogView4不僅是首個支持漢字生成的開源模型，還是首個遵循Apache 2.0協議的圖像生成模型。智譜科技承諾，未來將陸續推出ControlNet、ComfyUI等生態支持，并即將發布一套完整的微調工具包，以滿足用戶多樣化的需求。
CogView4在實際應用中展現出了驚人的創造力。無論是中英文海報的原圖直出，還是根據古詩詞意境繪制的精美插圖，CogView4都能精準理解用戶意圖，將文字轉化為生動形象的畫面。該模型還支持超長提示詞生成四格漫畫或精細畫面，為用戶提供了前所未有的創作體驗。
例如，用戶只需輸入一句簡短的詩句“野徑云俱黑，江船火獨明”，CogView4就能迅速捕捉到詩句中的意象，將黑云、船、燈光、野徑等元素巧妙融入畫面之中，營造出一種靜謐而神秘的氛圍。
在技術層面，CogView4的突破在于其雙語提示詞輸入能力和任意分辨率圖像生成能力。通過將文本編碼器升級為具備雙語能力的GLM-4 encoder，并結合中英雙語圖文對進行訓練，CogView4成功實現了雙語提示詞輸入。同時，該模型采用二維旋轉位置編碼（2D RoPE）和Flow-matching方案進行擴散生成建模，支持任意長度提示詞和任意分辨率圖像的生成。
智譜科技的這一創新成果，無疑為文生圖領域注入了新的活力。隨著CogView4的開源和后續生態支持的完善，我們有理由相信，這一技術將廣泛應用于各個領域，推動AI普惠的實現。
本文鏈接：http://www.rrqrq.com/showinfo-45-11346-0.html智譜大模型新突破！60億參數CogView4文生圖，領跑SOTA開啟開源年
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號