Hunyuan Image 2.1 —— ネイティブ 2K 画像生成

オープンソースの高解像度テキストから画像生成。強力なテキストアラインメント、多言語対応、映画のような構図を実現。 GoEnhance AI で利用可能 —— PromptEnhancer と Refiner を組み合わせ、ネイティブ 2K (2048×2048) の高品質画像を生成。

Hunyuan Image 2.1 の主な特徴

2048×2048 をはじめとする高解像度比率に最適化。鮮明なディテール、安定した構図、高い忠実度を実現。

32× 圧縮 VAE によりトークン数を削減しつつ構造を保持。1K と同等のトークン数で 2K 品質を実現し、推論効率を向上。

マルチモーダルエンコーダでシーン理解を行い、ByT5 による字形認識でテキスト描画と多言語表現を強化。

プロンプト書き換えで表現力を向上。Refiner がディテールを追加し、アーティファクトを低減。両方有効化すると最良の結果に。

蒸留版はステップ数を少なくしても高品質。素早いプレビューや試作に最適。

1:1、16:9、9:16、4:3、3:4、3:2、2:3 をサポート。SNS、印刷、広告など幅広く対応。

被写体、シーン、ライティング、文字（必要に応じて）を指定。スタイル（写実、アニメ、シネマティックなど）も追加可能。

PromptEnhancer で細部を充実させ、Refiner で鮮明さを高め、アーティファクトを低減。

蒸留版で高速プレビューし、必要に応じてアップスケールや精緻化して完成品をエクスポート。

機能	Hunyuan Image 2.1	一般的なオープンソースT2I
解像度ターゲット	ネイティブ2K（2048×2048）で安定したディテール	通常は1K〜1.5K；2Kでは不安定な場合が多い
トークン効率	32× VAE圧縮 → 潜在トークンが少ない	8×〜16×圧縮が一般的
プロンプト処理	デュアルエンコーダー（MMエンコーダー＋ByT5文字認識）	シングルエンコーダー；文字認識能力が限定的
品質強化	PromptEnhancer＋Refiner＋RLHFトレーニング	後処理が限定的で、強化ツールが少ない
速度オプション	Meanflow蒸留ステップによる高速ドラフト	標準的な拡散ステップのみ

ネイティブ 2K、高精度プロンプト対応、多言語サポート。強化オプションと Refiner で、ブラウザからすぐに利用可能。