HunyuanDiT-v1.1 é um modelo de transformação de difusão multirresolução desenvolvido pela equipe Hunyuan da Tencent. Ele possui capacidades de compreensão de chinês e inglês refinadas. Este modelo, por meio de uma estrutura de transformador cuidadosamente projetada, codificador de texto e codificação de posição, combinado com um pipeline de dados completo construído do zero, permite a otimização iterativa de dados. O HunyuanDiT-v1.1 pode executar diálogos multimodais de várias rodadas, gerar e refinar imagens com base no contexto. Após uma avaliação abrangente por mais de 50 avaliadores humanos profissionais, o HunyuanDiT-v1.1 atingiu um novo nível de ponta em comparação com outros modelos de código aberto na geração de imagens a partir de texto em chinês.