---
title: "Qihoo-T2X – 360 AI 研究院和中山大学开源的高效多模态生成模型"
url: "https://paooo.com/aigc-news/21887/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T11:33:28+08:00"
updated_at: "2026-06-08T11:33:28+08:00"
categories: "AIGC 资讯"
tags: "3D与空间智能, AI智能体, AI视频生成, 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)"
---

# Qihoo-T2X – 360 AI 研究院和中山大学开源的高效多模态生成模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/21887/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 采用稀疏代理标记注意力，显著降低扩散 Transformer 的冗余计算，提升生成效率。
- 同时支持文本到图像、文本到视频、文本到多视图，覆盖多模态生成核心任务。
- 结合窗口注意力与移位窗口注意力，兼顾全局语义传播与局部细节建模。

## QIHOO-T2X是什么

Qihoo-T2X 是360 AI 研究院和中山大学推出的基于代理标记化扩散 Transformer（PT-DiT）的高效多模态生成模型，Qihoo-T2X引入稀疏代理标记注意力机制，显著降低传统扩散 Transformer 在全局自注意力计算中的冗余性，结合窗口注意力和移位窗口注意力增强细节建模能力。Qihoo-T2X 支持多种任务，包括[文本到图像](https://ai-bot.cn/best-ai-painting-tools/)（T2I）、[文本到视频](https://ai-bot.cn/ai-text-to-video-tools/)（T2V）和文本到多视图（T2MV）生成。

## Qihoo-T2X的主要功能

- **文本到图像**：根据输入的文本描述生成高质量、高分辨率的图像，生成与文本描述高度一致的图像内容，适用于创意设计、艺术生成等领域。

- **文本到视频**：根据文本描述生成连贯的视频内容，支持生成动态场景和视频序列，适用于视频创作、动画制作等场景。

- **文本到多视图**：根据文本描述生成同一物体或场景的多视角图像，适用于 3D 对象的多视角展示，支持虚拟现实（VR）和增强现实（AR）应用。

- **高效生成**：基于优化的代理标记化注意力机制，显著降低计算复杂度，支持高分辨率图像和长视频的高效生成，降低训练和推理成本。

## Qihoo-T2X的技术原理

- **代理标记化注意力**：传统的扩散 Transformer 用全局自注意力机制，计算复杂度高且存在冗余。PT-DiT（Qihoo-T2X的核心架构） 基于在每个时空窗口内计算平均标记作为代理标记（proxy tokens），对代理标记进行自注意力计算，大幅减少计算量。代理标记之间的全局语义信息基于交叉注意力（cross-attention）注入到所有潜在标记中，确保全局信息的有效传播。

- **窗口注意力与移位窗口注意力**：为增强局部细节建模能力，PT-DiT 引入窗口注意力机制，对局部窗口内的标记进行自注意力计算。移位窗口注意力机制用在避免因窗口划分导致的“网格效应”，进一步提升生成质量。

- **稀疏代理标记的高效计算**：基于稀疏代理标记机制，PT-DiT 在处理高分辨率图像和长视频时，显著降低计算复杂度，且保持生成内容的质量。

- **多任务适应性**：PT-DiT 的架构设计能无缝适应图像生成、视频生成和多视图生成等多种任务，无需对模型结构进行重大调整。

## Qihoo-T2X的项目地址

- **项目官网**：[https://360cvgroup.github.io/Qihoo-T2X/](https://360cvgroup.github.io/Qihoo-T2X/?utm_source=ai-bot.cn)

- **GitHub仓库**：[https://github.com/360CVGroup/Qihoo-T2X](https://github.com/360CVGroup/Qihoo-T2X)

- **arXiv技术论文**：[https://arxiv.org/pdf/2409.04005](https://arxiv.org/pdf/2409.04005)

## Qihoo-T2X的应用场景

- **创意设计与艺术创作**：基于文本描述快速生成高质量艺术图像，支持多种风格，加速设计流程，为艺术家提供灵感。

- **视频内容生成**：生成连贯的动画视频，适用于广告、宣传和动画制作，减少视频创作成本和时间。

- **教育与培训**：生成教学用图像和视频，帮助学生理解复杂概念，支持虚拟实验室和动态教学资源。

- **娱乐与游戏开发**：生成虚拟场景、角色和动态内容，用在游戏开发、虚拟现实（VR）和增强现实（AR）应用，提升沉浸感。

- **广告与营销**：快速生成个性化广告图像和视频，提高营销效果，满足品牌视觉内容需求。

## 常见问题解答 (FAQ)

### Qihoo-T2X 支持哪些生成任务？
Qihoo-T2X 支持文本到图像（T2I）、文本到视频（T2V）和文本到多视图（T2MV）生成，可用于图像创作、视频生成以及 3D 物体多视角展示等场景。

### Qihoo-T2X 为什么更高效？
它基于 PT-DiT 的代理标记化注意力机制，在每个时空窗口内用平均标记作为代理进行注意力计算，再通过交叉注意力传播全局语义，从而减少全局自注意力带来的冗余计算。

### Qihoo-T2X 适合哪些应用场景？
适合创意设计、视频内容生成、教育培训、游戏开发以及广告营销等场景，尤其适合需要高质量图像、长视频或多视图内容的生成任务。

---
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/)
