腾讯混元发布了InstantCharacter，这是一个定制化的图像生成插件，并兼容开源文生图模型Flux。该插件允许用户通过一张图片和一句话，就能让角色以特定姿势出现在任何场景中。InstantCharacter的优势在于保持角色在不同场景中的一致性和真实性，提供高质量的图像，并具备灵活的文本编辑功能。用户可以自由切换场景和动作，提高内容创作效率，适用于连环画、影片创作等领域。该插件采用了创新的DiT模型框架，利用可扩展的适配器处理角色特征，并与扩散变换器的潜在空间交互，从而解决了现有方法在泛化能力和图像质量上的局限性。

🎨 InstantCharacter的核心功能是基于用户提供的一张图片和一段文字描述，生成特定角色在不同场景中的图像。用户可以自定义角色的姿势和所处环境，从而实现高度个性化的图像创作。

✨ 该插件能够确保角色在不同场景中的一致性，保证生成图像的真实性和高质量。用户可以灵活地编辑文本，控制角色动作和场景变化，满足多样化的创作需求。

💡 InstantCharacter适用于多种内容创作场景，包括连环画和影片制作。内容创作者可以利用该插件高效地生成符合需求的视觉作品，提升创作效率和作品质量。

🚀 InstantCharacter采用了创新的DiT模型框架，该框架引入了可扩展的适配器（adapter）。这种设计使得系统能够灵活适应不同的角色特征，从而提高了图像生成的效果和质量。

快科技4月18日消息，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。