速手发布文生图大模子“可图” 寻求ai新玩法

近日，快手(Kuaishou)在短视频(Short Video)评论开始内测「快手(Kuaishou)AI玩评」，用户可以通过输入各种创意文字，一键生成海量风格图片，可以更轻松、便捷地在评论区进行(Carry Out)趣味互动。这是继 AI对话 之后，快手(Kuaishou)在短视频(Short Video)场景内落地的又一AIGC能力。

据悉。快手(Kuaishou) AI玩评 依托于快手(Kuaishou)自研文生图大模型 可图 （Kolors）强大的图像生成能力达成。可图大模型能够基于开放式文本生成风格多样、画质精美、创意十足的绘画作品，让用户可以轻松高效地完成艺术创作。这也是快手(Kuaishou)AI团队在大语言模型「快意」之后，再次公布了其在AIGC领域的最新突破和布局。

随着AI技术的不断突破创新，AIGC将来会成为内容创作者 突破边界 的工具，它会让更多 脑中有画面，心中有故事 的人能够进行(Carry Out)更轻松、高效的创作。据了解，可图大模型的三大特点保证了出色的图像生成效果：

首先，强大的文本理解能力。快手(Kuaishou)AI构建了数十亿的图文训练数据，数据来自开源社区、内部构建和自研AI技术合成。这些数据覆盖了常见的三千万中文实体概念，兼具世界知识。在此基础上训练研发了一个强大的中文CLIP模型，不仅懂我们(We)的语言，也更懂中文世界的图像；其次，快手(Kuaishou)AI利用(Use)自研的中文LLM，融合CLIP的图文特征作为文生图的文本理解模块，不但达成了中文特色概念的理解，更解决了复杂概念、属性混淆等文生图领域常见问题。

其次，丰富的细节刻画。快手(Kuaishou)AI研究团队更改了去噪算法的底层公式和加噪公式；同时精选了一批高细节、高美感的优质数据，在模型学习的后期进行(Carry Out)有侧重学习。达成了单一基座模型在主体完整的前提下，可生成具有丰富细节和纹理的图片。同时，基座模型也达成了输入图片，输出细节丰富图片的图生图能力。

第三，多样的风格转化。可图大模型具有基于Prompt的自动学习模型，基于知识的理解与扩充，为用户提供不同的风格模版。依据提示词自动扩充模块，可以丰富化用户描述，包括风格、构图、视觉要素等。配合强大的文生图基座模型，Kolors 可以帮助用户准确理解自己的需求，通过简单描述即可生成多样化风格的图片。

在可图大模型强大的图像生成能力背后，是快手(Kuaishou)AI团队在多模态内容理解和生成方面的长期积累，和在大模型领域的持续创新性探索。

据了解，从8月下旬开始，快手(Kuaishou)AI团队已在公司内部开启了可图大模型平台的内测，面向内部业务团队提供丰富全面的AI绘画创作能力，并支持网页版工具和标准化API两种使用方式。

快手(Kuaishou)AI团队表示，「可图」大模型仍在持续优化效果、丰富能力。将来，可图将会与快手(Kuaishou)的更多业务开展合作，用AI技术丰富业务的想象力，探索更多有趣、有价值的创新应用落地，让人机共创成为现实。