快手开源“可图 Kolors”：一款真正懂中文的图像生成模型

快手最近放了个大招——正式开源了自家的图像生成模型“可图 Kolors”。这可不是那种套个壳、改个参数就敢说自研的小模型。它在数十亿的文本图像对上进行过训练，最特别的地方是用了通用语言模型（GLM）作为文本编码器，所以既能理解英文提示词，也能完美处理中文描述。而且，它支持长达256个token的上下文长度，这意味着你可以写一段非常详细的场景描述，模型能完整地理解并执行。

可图 Kolors 的几个核心看点：

• 中英双语支持：采用GLM作为文本编码器，让模型同时精通中英文提示词，尤其是中文语境下的理解能力远超很多同类模型。
• 超长文本处理：256个token的上下文长度，足以塞进复杂场景描述、人物关系甚至一段小故事，创作者可以更加细致地表达想法。
• 海量数据训练：数十亿的文本图像对训练，让模型积累了大量视觉知识，生成结果的多样性和精准度都有保障。
• 中国文化元素优化：这是它最亮眼的一点——专门针对中国的文化符号、节日、传统元素做了优化，生成的图像更贴近本土审美。
• 中文文字生成：能在图片里直接生成中文文字。测试下来，中文输出非常稳定，但英文文字偶尔会缺字或错位。

来几个实际生成的例子看看效果。下面这张“躺平小猫”中，中文文字完全正确，但换成英文“AIbase”时，就出现了缺字漏字的情况。所以说，目前可图在中文文字生成上表现出色，但英文还有提升空间。另外注意，文字长度不宜过长，太长容易出错。

这个模型背后有快手扎实的技术支撑。除了文本编码器的独特设计，它在海量数据上训练并对中国文化做了针对性的优化，生成的图像更有“中国味”。这不仅是技术上的突破，更是一种文化表达的延伸。而且，开源计划里还包括CN（ControlNet）支持、LoRA、IPA和ComfyUI直接支持，这些生态工具让创作流程更加灵活和个性化。

技术细节方面：

• “可图 Kolors”基于SDXL模型架构，融合了ChatGLM256技术来增强双语理解和文字生成能力。
• 运行这个模型需要大约19GB显存，对硬件有一定门槛，不过这也说明模型参数规模和精度都相当可观。

快手这次开源“可图 Kolors”，不仅是对技术社区的一次慷慨贡献，更是对创作自由的一次有力推动。它展示了快手在AI生成领域的决心和真实实力，也让我们看到AI在艺术创作中更多的可能性——尤其是当模型真正理解了中文文化和文字时，那种化学反应是单纯翻译提示词无法替代的。