首个毫秒级响应的实时生图大模型，发布！

输完Prompt，大模型开始跑图。等待的几秒里，你突然有了更好的想法，但你只能停下，等它把「旧的」画完，才能调整指令；甚至要等图出来，才知道是不是想要的风格。现在，这个问题有解了——

刚刚，腾讯混元发布业内首个毫秒级响应的实时生图大模型 Hunyuan Image 2.0（参数规模提升数10倍），支持文本、语音、草图等多种交互方式。只需说一句话、写一个 prompt或是画一笔线稿，图像就能同步生成，过程不再卡顿，还更具写实质感。图像生成，第一次真正进入了「所想即所得」的实时时代。

//写实质感升级：图像，更像摄影作品

Hunyuan Image 2.0 基于单双流 DiT 架构，提升生成效率，同时对图像质感做了系统性重构。重要的是，它没有牺牲任何细节。光影的走向、人物的神态、材质的纹理，从头发丝到眼神反光，它都能精准捕捉、细腻呈现。AI 出图的「AI感」逐渐褪去，取而代之的是接近真实摄影的写实风格。（听说16:9的比例，效果更佳）

提示词：脸部特写，柔和温暖的自然光，柔焦背景，宁静的氛围，自然光透过阴影，专业摄影，微偏离中心的构图

提示词：人像摄影，爱因斯坦，背景是东方明珠，自拍视角

//毫秒级响应：创作节奏，从未如此顺滑

「快」不是简单提速，而是重构节奏。借助图像压缩与注意力优化机制，模型将图像生成时间压缩至毫秒级，远快于当前主流模型的3-6秒生成速度。不再「等生成」，而是「边输边画」：你每改一个词、每加一句描述，图像都会即时刷新，跟着你的想法不断生长——灵感停下来？不存在的。

//多语义理解能力：更懂你所说

「快」只是基础，「懂」才是关键。Hunyuan Image 2.0 引入多模态大语言模型（MLLM）作为文本编码器，配合自研的结构化 caption 系统，不仅能理解你在说什么，更能推测出你希望画面「怎么表达」。哪怕你一句话里埋了三层含义，它也能一一拆解，再一笔一笔画出来。

提示词：超写实摄影镜头捕捉一只北美金雕俯冲瞬间，[展开的翼尖初级飞羽:1.6]呈现锯齿状边缘细节，琥珀色虹膜(Pantone 16-1335)锁定下方猎物，钢灰色爪钩(角质层纹理:1.3)呈半收缩状态。环境设定为科罗拉多峡谷岩壁，砂岩断层(氧化铁沉积条纹)与枯松枝干构成纵深，黄昏侧光将[翼膜血管脉络:1.2]投射在赭石色岩壁上。羽毛层次包含颈部的白垩色绒羽(蓬松度:0.8)+背部的深棕羽片(羽枝反光:1.4)。风格为[野生动物摄影]+[高速连拍颗粒]，俯冲轨迹如陨石撕裂大气层般凌厉。强制校验通过：猛禽动态解剖结构/俯冲力学表现/荒野环境三要素完整保留。

//多种生成方式：画面，从更多地方开始

除了文字输入，Hunyuan Image 2.0 还支持更灵活的交互方式，拓宽了图像生成的起点。你可以通过语音直接输入提示词，系统将语音自动转写为文字，并在识别后即时生成图像，适用于直播讲解、移动创作等场景；如果你擅长手绘或更倾向视觉起稿，也可以上传草图作为参考，模型能自动识别线稿的结构与构图逻辑，再结合提示词内容补全光影、材质、背景等细节，帮助你把「形」迅速扩展成「图」。

并且，模型具备更强的一致性生成能力：你上传一张图，它能识别并提取其中的主体ID，即使在不同提示词下生成多角度、多场景画面，也能保持人物、物体的核心视觉特征不变。

面向不同层级的用户，Hunyuan Image 2.0还提供不同的使用方式——普通创作者只需输入或说出提示词，无论是做社交配图、教学插图，还是记录灵感片段，模型都能实时生成图像；对于有设计基础的用户，Hunyuan Image 2.0 提供了内建的实时绘画板功能——用户可以在左侧绘制线稿，右侧同步生成上色、光影与材质细节；还支持图层叠加与局部调整，帮助用户从草图到成图「一气呵成」，有效突破传统绘图软件中「绘制-等待-修改」。