# 多模態擴散

MMaDA是一類新型的多模態擴散基礎模型，在文本推理、多模態理解和文本到圖像生成等多個領域表現卓越。

MMaDA是一種新型多模態擴散基礎模型，在文本推理、多模態理解和文生圖等領域表現卓越。

基於多模態擴散變換器（MMDiT）的文本到圖像模型，採用對抗擴散蒸餾（ADD）技術，優化了圖像質量、排版和複雜提示理解，同時減少推理步驟。

該模型結合大語言模型與視頻擴散技術，支持文本到視頻生成，並可通過邊界框條件輸入控制視頻內容。

AltDiffusion-m9是基於Stable Diffusion框架的多語言文本到圖像生成模型，支持9種語言，由AltCLIP-m9多語言CLIP模型提供支持。