# CogView-4 – 智谱AI推出的文本到图像生成模型

- Link: https://paooo.com/aigc-news/22587/
- Published: 2026-06-09T08:19:14+08:00
- Author: 站外新闻

## CogView4是什么

CogView4 是智谱推出的开源文生图模型，具有60亿参数，支持原生中文输入和中文文字生成。
模型在 DPG-Bench 基准测试中综合评分排名第一，达到开源文生图模型的最先进水平（SOTA）。
CogView4 是首个遵循 Apache 2.0 协议的[图像生成](https://ai-bot.cn/best-ai-painting-tools/)
模型，CogView4 支持任意分辨率图像生成，能根据复杂文本描述生成高质量图像。

阅读目录

 * [CogView4是什么](https://paooo.com/aigc-news/22587/#cogview4%e6%98%af%e4%bb%80%e4%b9%88)
 * [CogView4的主要功能](https://paooo.com/aigc-news/22587/#cogview4%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [CogView4的技术原理](https://paooo.com/aigc-news/22587/#cogview4%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [CogView4的项目地址](https://paooo.com/aigc-news/22587/#cogview4%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [CogView4的官方案例](https://paooo.com/aigc-news/22587/#cogview4%e7%9a%84%e5%ae%98%e6%96%b9%e6%a1%88%e4%be%8b)
 * [CogView4的应用场景](https://paooo.com/aigc-news/22587/#cogview4%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![CogView4](https://paooo.com/wp-content/uploads/2026/06/CogView4-website3-3.avif)

## CogView4的主要功能

 * **支持中英双语输入**：CogView4 是首个支持生成汉字的开源文生图模型，能够根据中文
   或英文提示词生成高质量图像。
 * **任意分辨率图像生成**：该模型支持生成分辨率在 512×512 到 2048×2048 之间的图像，
   满足不同场景的创作需求。
 * **强大的语义对齐能力**：在 DPG-Bench 基准测试中，CogView4 综合评分排名第一，展现
   了其在复杂语义对齐和指令跟随方面的卓越性能。
 * **中文文字绘画**：CogView4 特别优化了中文文字生成能力，能够将汉字自然地融入图像
   中，适合广告、短视频等创意领域。
 * **显存优化与高效推理**：通过模型 CPU 卸载和文本编码器量化等技术，CogView4 显著
   降低了显存占用，提升了推理效率。

## CogView4的技术原理

 * **架构设计**：CogView4 采用了扩散模型结合 Transformer 的架构。扩散模型通过逐步
   去除噪声来生成图像，Transformer 负责处理文本和图像的联合表示。模型使用了 6B 参数
   的配置，支持任意长度的文本输入和任意分辨率的图像生成。
 * **文本编码器与 Tokenizer**：CogView4 使用了双语（中英文）的 GLM-4 编码器，能处理
   复杂的语义对齐任务。文本通过 Tokenizer 转化为嵌入向量，随后与图像的潜在表示结合。
 * **图像编码与解码**：图像通过 Variational Auto-Encoder（VAE）编码为潜在空间的表示，
   通过扩散模型逐步去噪生成最终图像。使模型能高效地处理图像的生成任务。
 * **扩散过程与去噪**：扩散模型的核心是通过一系列的去噪步骤逐步生成图像。CogView4
   使用了 FlowMatch Euler Discrete Scheduler 来控制去噪过程，用户可以通过调整去噪
   步数（`num_inference_steps`）来平衡生成质量和速度。
 * **多阶段训练策略**：CogView4 采用多阶段训练策略，包括基础分辨率训练、泛分辨率
   训练、高质量数据微调以及人类偏好对齐训练。确保生成图像的高质量和美感。
 * **优化与效率**：为了提升训练和推理效率，CogView4 采用了显存优化技术，如模型 CPU
   卸载和文本编码器量化。模型支持 Apache 2.0 协议，便于开源社区的进一步开发。

## CogView4的项目地址

 * **Github仓库**：[https://github.com/THUDM/CogView4](https://github.com/THUDM/CogView4)
 * **HuggingFace模型库**：[https://huggingface.co/THUDM/CogView4-6B](https://huggingface.co/THUDM/CogView4-6B)

## CogView4的官方案例

 * **超长故事（四格漫画）：**请生成一张图包含四个场景的四格漫画图，采用动漫插画风格
   的连环画。其中主要出现的角色有：　小明：人类男孩，拥有一颗勇敢的心，手持宝剑，
   穿着简易的战士服装。　公主：人类女性，美丽优雅，穿着华丽的公主服饰，被囚禁在怪兽
   的老巢。　国王：人类男性，威严而仁慈，穿着华丽的王者服饰，坐在王国的宝座上。　
   火焰龙：怪兽，全身覆盖着火焰般的鳞片，口吐火焰，体型庞大。　黑暗魔王：怪兽，体型
   巨大，全身笼罩在黑暗中，拥有强大的魔法力量。

![CogView4](https://paooo.com/wp-content/uploads/2026/06/CogView4-website-1.avif)

 * CogView4 能将中英文字符自然地融入画面，使海报、文案配图创作更加便捷。

![](https://paooo.com/wp-content/uploads/2026/06/CogView4-website1-1.avif)

 * 擅长理解和遵循中文提示词，例如能够画出古诗文中的意境。

![](https://paooo.com/wp-content/uploads/2026/06/CogView4-website2-1.avif)

## CogView4的应用场景

 * **广告与创意设计**：CogView4 能将中英文字符自然地融入画面，生成高质量的海报、
   文案配图等，满足广告和创意设计领域的需求。
 * **教育资源生成**：模型可以为教育领域生成教学插图、科学插图等，帮助学生更好地理解
   和吸收知识。
 * **儿童绘本创作**：CogView4 能生成适合儿童绘本的插图，激发儿童的想象力。
 * **电商与内容创作**：生成高质量的产品图片、广告海报等，帮助商家快速创建吸引人的
   视觉内容。
 * **个性化定制**：根据用户需求生成定制化的图像内容，提升用户体验。