跳到正文

Tencent EMMA

用文本加参考图像生成图像

访问官网

Tencent EMMA 是什么

Tencent EMMA 被介绍为基于文本到图像扩散模型 ELLA 构建的新型图像生成模型,能够接受文本与参考图像等多模态提示。它冻结原始 T2I 扩散模型的所有参数,仅调整一些额外层以适应多模态输入。

你可以用它做什么

  • 输入文本和参考图像等多模态提示
  • 用特殊注意力机制整合文本与补充模态信息
  • 冻结原始 T2I 参数,只调整额外层
  • 无需额外训练生成高保真度、细节丰富的图像

使用示例

  • 结合 ToonYou 生成不同风格的图像
  • 结合 AnimateDiff 生成保留肖像细节的图像
  • 生成带有故事情节的图像集

上手流程

  • 访问产品页面了解基本介绍
  • 阅读技术文档了解模型的工作原理和特点
  • 下载并安装 Python 环境和相关库等依赖
  • 根据示例代码或文档编写自己的多模态提示

优点与缺点

✓ 我们认可的地方

  • 无需额外训练即可处理不同多模态配置
  • 易于适应不同现有框架,可生成个性化和上下文感知的图像及视频

! 需要留意的地方

  • 提示需要把文本与补充模态信息结合
  • 原始 T2I 扩散模型参数保持冻结

常见问题

接受什么样的提示?

资料说明它接受多模态提示,例如文本与参考图像一起输入。

基于什么模型构建?

资料说明它基于 ELLA 文本到图像扩散模型构建,原始参数被冻结。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法