Hunyuan Image من Tencent نموذج مفتوح المصدر للذكاء الاصطناعي يولّد صورًا واقعية بدقة 2K من الأوامر النصية. يشرح هذا المقال بنية DiT لديه، وبيانات تدريبه، ودعمه للغة الصينية، وتوافره كمفتوح المصدر، ومقارنات الأداء مع Flux وStable Diffusion، ويوضح كيفية استخدام Hunyuan Image 2.1 على PicassoIA اليوم.
بنت Tencent بنية تحتية للذكاء الاصطناعي بحجم يصعب على معظم الشركات تخيّله، ويُعد نموذج Hunyuan Image أحد أوضح الأدلة على شكل هذا الاستثمار عمليًا. النموذج متاح للعموم ومفتوح المصدر، وهو نموذج لتحويل النص إلى صورة مصمَّم لتوليد صور واقعية بدقة تصل إلى 2K، ويتميّز بقدرة خاصة على التعامل مع الأوامر النصية الصينية، وببنية مرنة تتيح للمطوّرين في أنحاء العالم ضبطه الدقيق ونشره.
هذا ليس منتجًا تسويقيًا. إنه نظام جدّي لتوليد الصور مدعوم بالأبحاث، دُرّب على مليارات المعاملات، ويقوم على عمود فقري من نوع Diffusion Transformer (DiT)، وقد أُطلق ضمن مبادرة أوسع للذكاء الاصطناعي لدى Tencent تشمل نماذج اللغة وتوليد الفيديو والتوليف ثلاثي الأبعاد.
أطلقت Tencent عائلة نماذج Hunyuan للذكاء الاصطناعي ضمن استراتيجية أوسع للمنافسة مع مختبرات الذكاء الاصطناعي الغربية والصينية المحلية على حد سواء. يشمل اسم Hunyuan طيفًا من الوسائط: هناك Hunyuan للغة، وHunyuan للفيديو، وHunyuan لتوليد الأجسام ثلاثية الأبعاد، وHunyuan Image لتوليف الصور الواقعية من النص.
يستهدف نموذج الصور هذا تحديدًا سوق الإبداع عالي الجودة: مصممي الجرافيك، ومحترفي التسويق، ومطوّري الألعاب، والباحثين الذين يحتاجون إلى مخرجات تبدو حقيقية فعلًا لا معالجة بالذكاء الاصطناعي. وشمل تدريب النموذج تنسيق مجموعة بيانات ضخمة مملوكة، وتطبيق فلترة جودة متعددة المراحل، والتكرار على تقنيات المواءمة لضمان أن تطابق الصور المولّدة نية الإنسان بدقة عالية.
يتطلب فهم Hunyuan Image النظر إلى موقعه ضمن منظومة أكبر. أصدرت Tencent أو أعلنت النماذج التالية من Hunyuan:
| النموذج | النوع | الميزة البارزة |
|---|---|---|
| Hunyuan Image 2.1 | تحويل النص إلى صورة | دقة 2K، عمود فقري من نوع DiT |
| Hunyuan Video | تحويل النص إلى فيديو | توليف فيديو عالي الاتساق |
| Hunyuan 3D 3.1 | تحويل الصورة إلى ثلاثي الأبعاد | توليد سريع لأصول ثلاثية الأبعاد |
| Hunyuan Large | نموذج لغوي كبير | استدلال متعدد اللغات |
تجعل استراتيجية الإصدار المنسّقة هذه من Hunyuan واحدة من أكثر منظومات الذكاء الاصطناعي متعددة الوسائط تماسكًا التي خرجت من قطاع التقنية في الصين، وهي تضاهي في اتساعها ما فعلته Google مع عائلة Gemini، أو Meta مع Llama والنماذج المرتبطة بها.
بُني Hunyuan Image على بنية Diffusion Transformer (DiT) بدلًا من بنية UNet الأقدم التي استخدمتها نماذج Stable Diffusion الأولى. وهذا الفارق مهم.
تستخدم النماذج القائمة على UNet طبقات التفافية منظّمة في بنية مشفّر-مفكّك. وهي تعمل جيدًا لكنها تصل إلى حدود الكفاءة عند الدقات العالية جدًا. تستبدل نماذج DiT تلك الكتل التفافية بآليات الانتباه في المحوّلات، التي تتوسع بكفاءة أكبر مع عدد المعاملات وتتعامل مع الاعتماديات المكانية بعيدة المدى بفعالية أكبر. والنتيجة تفاصيل أحدّ عند الدقات العالية، وتماسك تكويني أفضل عبر مساحات الصورة الكبيرة، وتحسّن في مواءمة النص مع الصورة.
يستخدم Hunyuan Image عملية إزالة ضوضاء متعددة المراحل مع هدف مطابقة التدفق (flow matching)، ما يعني أنه يتعلّم الانتقال من الضوضاء نحو توزيع الصورة المستهدفة على مسار أكثر مباشرة واستقرارًا من النماذج الأقدم القائمة على DDPM.
💡 تنتج مطابقة التدفق مخرجات أنعم وأكثر قابلية للتنبؤ أثناء تشغيل النموذج، وتسمح بخطوات إزالة ضوضاء أقل دون التضحية بالجودة، ما يجعل Hunyuan Image سريعًا بشكل ملحوظ بالنسبة لدقة مخرجاته.
درّبت Tencent Hunyuan Image على مجموعة بيانات تمتد عبر مليارات أزواج الصورة والنص، مع تركيز قوي على:
نُشرت أوزان نموذج Hunyuan Image 2.1 على Hugging Face، وهي متاحة للاستخدام البحثي والتجاري بموجب ترخيص النموذج من Tencent.
تعتمد معظم نماذج تحويل النص إلى صورة السائدة على مخرجات بدقة 1024x1024 أو 1024x576 افتراضيًا. يدعم Hunyuan Image 2.1 توليد الصور أصليًا بدقات تصل إلى 2048x2048 وبصيغ عريضة متنوعة، مع إنتاج صور ذات حدّة وكثافة تفاصيل ملحوظة أعلى.
هذا ليس مجرد رفع للدقة. يولّد النموذج تفاصيل الملمس عالية التردد من الصفر عند دقة 2K، ما يعني أن البنى الدقيقة مثل الشعر ونسيج الأقمشة وزخارف العمارة ومسام البشرة تبدو مُصيَّرة فعلًا لا مُستكملة خوارزميًا. والفارق واضح حتى على شاشات العرض القياسية.
هنا يحتل Hunyuan Image موقعًا مختلفًا فعلًا. تستخدم معظم نماذج الصور الغربية مشفّرات نصية قائمة على CLIP دُرّبت في الغالب على بيانات الإنترنت الإنجليزية. وأداؤها باللغة الصينية وظيفي لكنه غير متسق.
يستخدم Hunyuan Image مشفّرًا نصيًا متعدد اللغات دُرّب مشتركًا مع بيانات صينية منذ البداية. وعندما تكتب أمرًا نصيًا بالصينية، يفسّر النموذج المراجع الثقافية والتعبيرات الاصطلاحية والمفاهيم البصرية التقليدية بدقة أكبر من أي نموذج غربي متاح حاليًا. وهذا يجعله ذا قيمة عملية لفرق تبني منتجات لأسواق تتحدث الصينية.
Hunyuan Image 2.1 مفتوح المصدر بالكامل. أوزان النموذج متاحة على Hugging Face، وكود التدريب وتفاصيل البنية موثّقة في تقرير تقني، ويدعم النموذج التكامل القياسي مع ComfyUI وDiffusers. وهذا يعني أن المطوّرين يمكنهم:
💡 يحمل إطلاق النموذج كمفتوح المصدر أهمية كبيرة. فكثير من النماذج المماثلة الصادرة عن مختبرات صينية هي منتجات مغلقة لا تُتاح إلا عبر API. إن قرار Tencent بإصدار أوزان النموذج يمنح مجتمع المطورين العالمي وصولًا مباشرًا إلى نموذج من الطراز الأول.
يُعد Flux Redux Dev من Black Forest Labs حاليًا المعيار لتوليد الصور الواقعية المفتوحة المصدر في السوق الغربي. يتنافس Hunyuan Image 2.1 معه بشكل مباشر.
| الميزة | Hunyuan Image 2.1 | Flux Dev |
|---|---|---|
| البنية | DiT + مطابقة التدفق | DiT + مطابقة التدفق |
| أقصى دقة | 2K أصلية | 1K أصلية، و2K مع أداة رفع الدقة |
| دعم الصينية | أصلي وقوي | محدود |
| المصدر المفتوح | نعم | نعم (غير تجاري) |
| الضبط الدقيق | يدعم LoRA | يدعم LoRA |
| سرعة التشغيل | سريع عند 2K | سريع عند 1K |
يستخدم النموذجان بنية DiT مع مطابقة التدفق، ما يعني أن الفجوة تكمن في التفاصيل: بيانات التدريب، وتقنيات المواءمة، والخيارات الجمالية المحددة المضمّنة في أوزان كل نموذج. يميل Flux إلى إنتاج صور ذات مظهر أبرد قليلًا وأقرب إلى التحرير الصحفي. أما Hunyuan Image فيميل إلى الدفء مع كثافة تفاصيل أقوى، خاصة في موضوعات البورتريه والعمارة.
يُعد Flux Krea Dev منافسًا قويًا آخر في التوليد القريب من التصوير الفوتوغرافي، بينما يضيف Flux Fill Pro إمكانات التعديل الموضعي التي لا يمتلكها النموذج الأساسي لـ Hunyuan أصلًا.
كان Stable Diffusion 3 من Stability AI خطوة كبيرة إلى الأمام في عرض النصوص والدقة التكوينية، لكن Hunyuan Image 2.1 يتفوق بوضوح في:
وما زال Stable Diffusion 3 يتفوق في الأسلبة الإبداعية: فلديه مجتمع أوسع من النماذج المضبوطة دقيقًا وأوزان LoRA تغطي الأساليب الفنية، بينما لا يزال المجتمع البيئي لـ Hunyuan أحدث ولا يزال يكتسب زخمه.
يلفت توليد البورتريه في Hunyuan Image أكبر قدر من الانتباه. ينتج النموذج:
يعود هذا الأداء جزئيًا إلى جودة بيانات التدريب، وجزئيًا إلى مرحلة الضبط الدقيق للمواءمة التي استخدمت تقييمات البشر لتصحيح التشوهات التشريحية المتكررة.
إلى جانب البورتريهات، يتعامل Hunyuan Image مع الموضوعات المعمارية والبيئية بـ:
وهذا يجعله مناسبًا جيدًا لتصوير العمارة ومحتوى السفر وصور التسويق العقاري، حيث تكون المصداقية الفوتوغرافية أمرًا لا غنى عنه.
لا يوجد نموذج مثالي. يُظهر Hunyuan Image 2.1 نقاط ضعف عرضية في:
بما أن PicassoIA يستضيف Hunyuan Image 2.1 مباشرةً، يمكنك توليد صور واقعية بدقة 2K دون أي إعداد محلي أو عتاد GPU أو تثبيت للنموذج.
الخطوة 1: افتح صفحة النموذج
انتقل إلى صفحة Hunyuan Image 2.1 على PicassoIA. ستجد حقل إدخال الأمر النصي وخيارات دقة المخرجات فورًا. لا حاجة إلى إعداد حساب لأول توليد لك.
الخطوة 2: اكتب أمرًا نصيًا محددًا ووصفيًا
يستجيب Hunyuan Image جيدًا للأوامر النصية المفصّلة التي تتضمن:
تجنّب الأوامر الغامضة المكوّنة من كلمة واحدة. قوة النموذج في تفسير أوصاف المشاهد المعقدة، فاستفد من هذه القدرة بقصد.
الخطوة 3: اختر دقة المخرجات
للحصول على أقصى جودة، اختر أعلى دقة متاحة. تبدو مخرجات 2K مبهرة بوجه خاص في موضوعات البورتريه والعمارة، حيث تكون التفاصيل الدقيقة أهم ما يكون.
💡 للحصول على أعلى جودة في البورتريهات، ادمج Hunyuan Image 2.1 مع مرور رفع دقة لاحق. يمكن لأداة Clarity Pro Upscaler على PicassoIA أن تنقل مخرجات Hunyuan بدقة 2K إلى 4K دون إدخال تشوهات ناتجة عن الذكاء الاصطناعي.
إذا كان سير عملك يتضمن توليد صور مرجعية واقعية، أو مفاهيم فنية لإنتاجات واقعية، أو مواد تسويقية تتطلب جودة فوتوغرافية، فإن Hunyuan Image 2.1 يستحق الإضافة إلى أدواتك إلى جانب Flux Redux Dev وGPT Image 2.
تجعل قوة النموذج في اللغة الصينية منه التوصية الافتراضية للفرق التي تنتج محتوى لأسواق شرق آسيا، حيث تهم الدقة الثقافية في المراجع البصرية بقدر أهمية جودة الدقة التقنية.
تجعل الأوزان مفتوحة المصدر من Hunyuan Image مفيدًا لـ:
بما أن Hunyuan Image متاح عبر API على PicassoIA، يمكن للمستخدمين الذين يحتاجون إلى أحجام كبيرة توليد صور واقعية كالصور الفوتوغرافية ومتسقة على نطاق واسع. لا حاجة لإدارة طوابير، ولا لتخصيص GPU محليًا، ولا لصيانة النموذج. تتولى المنصة تشغيل النموذج بينما تركز أنت على كتابة الأوامر النصية.
Hunyuan Image 2.1 متاح الآن عبر PicassoIA دون أي تثبيت أو إعداد. افتح صفحة النموذج، واكتب أمرًا نصيًا، وشاهد كيف تبدو مخرجات 2K الواقعية حين يولّدها أحد أقوى نماذج الصور مفتوحة المصدر المتاحة حاليًا.
إذا كانت الواقعية الفوتوغرافية معيارك، فهذا النموذج يستحق مكانًا في سير عملك. جرّبه إلى جانب Flux Schnell LoRA للتكرار الأسرع، أو ادمجه مع Flux Fill Pro عندما تحتاج إلى التعديل الموضعي لصقل مناطق بعينها. يجعل الجمع بين مخرجات 2K الأصلية، وطلاقة اللغة الصينية، وبنية مفتوحة بالكامل Hunyuan Image 2.1 واحدًا من أكثر النماذج إثارة للاهتمام في المشهد الحالي.
اختر لغتك
