---
title: "Liquid – 华中科技、字节、港大联合推出的统一多模态生成框架"
url: "https://paooo.com/aigc-news/21306/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T11:19:50+08:00"
updated_at: "2026-06-08T11:19:50+08:00"
categories: "AIGC 资讯"
tags: "AI绘画提示词, HuggingFace, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Liquid – 华中科技、字节、港大联合推出的统一多模态生成框架

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/21306/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 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。

## 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/](https://foundationvision.github.io/Liquid/?utm_source=ai-bot.cn)

- **GitHub仓库**：[https://github.com/FoundationVision/Liquid](https://github.com/FoundationVision/Liquid)

- **HuggingFace模型库**：[https://huggingface.co/Junfeng5/Liquid](https://huggingface.co/Junfeng5/Liquid_V1_7B)

- **arXiv技术论文**：[https://arxiv.org/pdf/2412.04332](https://arxiv.org/pdf/2412.04332)

- **在线体验Demo**：[https://huggingface.co/spaces/Junfeng5/Liquid_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。

## 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。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
