Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: Liquid – 华中科技、字节、港大联合推出的统一多模态生成框架
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
Liquid – 华中科技、字节、港大联合推出的统一多模态生成框架
Prompt 语宙 > AIGC 资讯 > Liquid – 华中科技、字节、港大联合推出的统一多模态生成框架
AIGC 资讯

Liquid – 华中科技、字节、港大联合推出的统一多模态生成框架

Prompt 语宙研究院
最近更新: 2026年6月8日 上午11:19
AI绘画提示词 HuggingFace 大模型微调 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 用统一token空间把图像与文本纳入同一LLM框架,实现生成与理解一体化。
  • 基于VQGAN离散视觉token,减少外部视觉模块依赖,训练成本显著下降。
  • 在视觉生成、VQA和图像描述等任务上表现突出,并验证了多模态尺度规律。

Liquid是什么

Liquid是华中科技大学、字节跳动和香港大学联合推出的极简统一多模态生成框架。基于VQGAN将图像编码为离散的视觉token,与文本token共享同一词汇空间,让大型语言模型(LLM)无需修改结构实现视觉生成与理解。Liquid摒弃传统外部视觉模块,用LLM的语义理解能力进行多模态任务,显著降低训练成本(相比从头训练节省100倍),在视觉生成和理解任务中表现出色,超越部分扩散模型。Liquid揭示了多模态任务的尺度规律,证明随着模型规模增大,视觉与语言任务的冲突逐渐消失,且两者能相互促进。

阅读目录
  • Liquid是什么
  • Liquid的主要功能
  • Liquid的技术原理
  • Liquid的项目地址
  • Liquid的应用场景

Liquid

Liquid的主要功能

  • 视觉生成:根据文本描述生成高质量的图像,支持多种分辨率和风格。
  • 视觉理解:处理图像相关的任务,如视觉问答(VQA)和图像描述生成。
  • 多模态融合:将视觉和语言任务无缝结合,支持同时处理文本生成、图像生成和视觉理解任务。
  • 高效扩展:基于现有的大型语言模型(LLM),用少量数据和低成本训练,快速扩展多模态能力。
  • 语言能力保留:在增加视觉生成能力的同时,保持强大的语言生成和理解能力,适用于多模态混合任务。

Liquid的技术原理

  • 图像分词器(Image Tokenizer):VQGAN(Vector Quantized Generative Adversarial Network)将图像编码为离散的视觉token。视觉token与文本token共享同一词汇表空间,让图像和文本用统一的方式处理。
  • 统一的特征空间:视觉token和文本token在同一个特征空间中学习,基于“下一token预测”任务进行训练。支持模型在视觉和语言任务之间无缝切换和优化。
  • 基于LLM的生成:Liquid扩展现有的大型语言模型(LLM),基于强大的语义理解能力进行视觉生成和理解。在LLM中添加视觉token的嵌入,处理视觉任务,无需额外的视觉模块(如CLIP或扩散模型)。
  • 多模态数据训练:用混合数据(文本数据、图文对数据)进行预训练,模型同时学习语言和视觉任务。基于调整数据比例,优化模型在不同任务上的表现。
  • 双向促进机制:视觉生成和视觉理解任务共享统一的token空间,优化目标一致,两者能相互促进。增加视觉生成或理解任务的数据,提升模型在另一任务上的表现。

Liquid的项目地址

  • 项目官网:https://foundationvision.github.io/Liquid/
  • GitHub仓库:https://github.com/FoundationVision/Liquid
  • HuggingFace模型库:https://huggingface.co/Junfeng5/Liquid
  • arXiv技术论文:https://arxiv.org/pdf/2412.04332
  • 在线体验Demo:https://huggingface.co/spaces/Junfeng5/Liquid_demo

Liquid的应用场景

  • 创意设计:根据文字描述生成高质量图像,辅助艺术创作、广告设计和游戏美术。
  • 内容创作:自动生成与文本相关的图片,用于社交媒体、博客和新闻报道。
  • 视觉问答:理解图像内容并回答相关问题,用于教育、客服和智能助手。
  • 多模态对话:结合图像和文字进行智能交互,提升对话系统的自然性和实用性。
  • VR/AR应用:生成虚拟场景和物体,增强沉浸感和交互体验。
🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
HuggingFace ↗
HuggingFace:AI模型开发社区,面向大语言模型场景提供便捷实用的在线功能支持,涵盖大模型等实用方向。
❓ 常见问题解答(FAQ)
Liquid框架适合做什么多模态任务?

Liquid适合文本生成、图像生成、视觉问答和图像描述等统一多模态任务。它把视觉token和文本token放进同一词汇空间,便于LLM直接处理图文混合输入输出,适合需要兼顾生成与理解的场景。

Liquid为什么说训练成本更低?

因为它基于现有LLM扩展,不需要从头训练完整多模态系统,也不依赖复杂外部视觉模块。文章提到,相比从头训练可节省约100倍成本,同时还能保持较强的语言能力。

Liquid和扩散模型相比有什么优势?

Liquid强调统一token建模与LLM语义能力,能在视觉生成和理解之间共享优化目标。文章指出,它在部分视觉生成与理解任务上表现出色,甚至超越部分扩散模型,同时更利于多任务融合。

🔬 语宙深潜追问 · 进阶实操拆解
共享词汇空间最大的工程收益是什么?

最大收益是减少跨模态接口和结构改造,让文本、图像 token 在同一体系里训练和推理。这样更容易复用 LLM 能力,也能显著降低从头训练和维护多套模型的成本。

落地时最容易踩哪些坑?

最常见问题是视觉 token 质量不稳、长序列训练成本高,以及生成与理解目标互相干扰。实操上要先限定任务范围,分阶段验证 tokenizer、对齐策略和推理效率。

🗳️ 读者观点微投票 · 您的实战立场是?
统一多模态框架,先做理解还是生成?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🐋 所属权威专题:DeepSeek 深度实战与部署 →
  • UniFluid – 谷歌联合麻省理工推出的多模态图像生成与理解框架
  • MetaMorph – 统一多模态理解与生成大模型,基于VPiT 预测多模态 token
  • LatentLM – 微软联合清华推出的多模态生成模型
  • LanDiff – 浙大联合月之暗面推出的文本到视频生成混合框架
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
清华&面壁智能重磅开源AgentCPM-Report:首个可离线部署的深度调研智能体,万字报告一键生成
[AI生图咒语] 例18 – 信息图可视化设计
400亿美元算力豪赌突遭急刹!新型云Nebius激进Capex遭遇交付滑铁卢:微软194亿订单被迫延期至2027、违规发电机被罚110万与Neocloud预付款融资脆弱性深度拆解
[AI生图咒语] 例327 – 沉香玫瑰悬浮幻景
Re.Art AI 图像生成器
TAGGED:AI绘画提示词HuggingFace大模型微调开源大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 AI-Researcher – 香港大学推出的开源自动化科学研究工具 AI-Researcher – 香港大学推出的开源自动化科学研究工具
下一篇 Kimi-VL – 月之暗面开源的轻量级多模态视觉语言模型 Kimi-VL – 月之暗面开源的轻量级多模态视觉语言模型
Ad image
Ad image

最近更新

NVIDIA Vera Rubin 亮相 MLPerf 评测并在训练与端点测试中领先
单GPU训练性能翻倍且智能体每瓦吞吐暴增10倍!NVIDIA Vera Rubin首战MLPerf大获全胜:DeepSeek-V3千卡扩展效率97%与Agentic端点推理全景深度拆解
AIGC 资讯
美国商务部大楼与半导体出口管制新规
算力超1200万TPP即触发许可且限期90天整改!美国商务部突发全球数据中心新规:封死离岸云端远程租用算力与废止AI扩散规则全景深度拆解
AIGC 资讯
AI 原生 CRM 初创公司 Dreamteam 获 5300 万美元融资,挑战 Salesforce 与 HubSpot
斩获5300万美元对标Salesforce!前Freshworks高管创办AI原生CRM Dreamteam:基于Company Brain虚拟记忆与自动化智能体流水线深度拆解
AI 工具
Optimizely 谈营销智能体落地:企业需将审核从输出转向输入
告别Vibe Coding虚火!Optimizely解密企业级营销智能体落地法则:从“输出审核”走向“输入约束”、专用Harness架构与800落地页规模化实战
最新趋势

相关推荐

Forefront AI
AI 工具

Forefront AI

remaker
AI办公效率 AI智能体 ChatGPT OpenAI 大模型微调
[AI生图咒语] 多乐士油漆液体雕塑探戈舞者艺术海报
AI 生图 Prompt产品与广告

[AI生图咒语] 多乐士油漆液体雕塑探戈舞者艺术海报

Prompt 语宙研究院
AI绘画提示词 Flux Midjourney stable diffusion
[AI生图咒语] 例67 – 信息图可视化设计
1
AI 生图 Prompt界面与图标

[AI生图咒语] 例67 – 信息图可视化设计

Prompt 语宙研究院
3D与空间智能 AI绘画提示词
1次查看
AI攻破6大数学猜想!25岁华人少女退学创业,OpenAI都未曾实现,她凭什么拿下14亿融资?
AI 工具AIGC 资讯

AI攻破6大数学猜想!25岁华人少女退学创业,OpenAI都未曾实现,她凭什么拿下14亿融资?

Prompt 语宙研究院
AI数学 Axiom Math 大模型推理 形式化验证 洪乐潼
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • Remaker AI
  • BGRemaker 抠图Hot
  • AIGC 工具
  • Prompt 咒语生成器
  • 去水印工具

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.