在AI生图领域长期困扰用户的"塑料感"与"油腻肤质"难题，终于迎来突破性解决方案。9月16日，腾讯混元生图团队联合香港中文大学（深圳）、清华大学共同研发的Semantic Relative Preference Optimization（语义相对偏好优化，简称SRPO）算法正式开源，迅速登上Hugging Face模型趋势榜榜首，其社区量化版本下载量在48小时内突破1.6万次，GitHub星标数量已超600。这一成果不仅让Flux等主流生图模型的人像生成质量实现跨越式提升，更以5.3 GPU卡时的训练效率，将同类技术的优化速度提升75倍，标志着国内AI视觉技术在开源赛道实现重大突破。
项目地址: https://ai.gitcode.com/tencent_hunyuan/SRPO 从"油光满面"到"原生质感"：SRPO应对生图行业痛点
当前主流开源生图模型在生成人像时，普遍存在皮肤纹理过度平滑、高光区域泛油光、细节真实度不足等问题。腾讯混元团队通过分析10万+用户反馈发现，超过68%的专业设计师认为"不自然的皮肤质感"是AI生图最影响商用价值的缺陷。SRPO算法正是针对这一核心痛点，创新性提出"语义引导偏好优化"框架，通过动态调整奖励模型的评估维度，在不改变基础模型结构的前提下，实现生成效果的精准调校。
该技术采用双轨优化策略：一方面通过Direct-Align直接对齐采样器重构早期去噪轨迹，解决传统方法仅能优化生成过程后半段的局限；另一方面引入"正向-负向"语义控制词对，如"真实皮肤纹理"+"避免过度磨皮"的组合提示，让模型在保留美学特征的同时锚定真实质感。实测数据显示，经SRPO优化后的Flux模型，在人类主观评估中，真实感评分从2.1分提升至8.5分（10分制），美学优秀率从8.2%跃升至38.9%，两项核心指标均实现超300%的提升。
效率革命：32卡10分钟完成训练，ComfyUI一键部署
在AI模型训练普遍需要数天甚至数周的行业背景下，SRPO展现出惊人的效率优势。依托Direct-Align采样策略的计算简化特性，该算法在32张GPU卡的集群环境中，仅需10分钟即可完成完整训练流程，相比此前DanceGRPO方法的400 GPU小时，效率提升75倍。这种"快餐式"训练能力，使得中小开发者也能轻松实现模型定制优化，极大降低了技术落地门槛。
为进一步提升易用性，腾讯团队特别开发了ComfyUI可视化工作流，开发者只需导入预设JSON文件或加载官方提供的节点配置图，即可在5分钟内完成SRPO插件部署。开源社区已基于此衍生出GGUF、INT4等多种量化版本，其中wikeeyang开发的量化模型将显存占用压缩至原版本的35%，使消费级显卡也能流畅运行优化流程。截至发稿，Hugging Face平台已出现12个基于SRPO的二次开发项目，涵盖动漫风格优化、证件照生成等垂直场景。
技术内核：三大创新突破传统优化瓶颈
SRPO的革命性表现源于其底层技术架构的三大创新：
Direct-Align采样器重构去噪轨迹
传统扩散模型微调依赖多步采样器（如DDIM）结合梯度反传，导致计算成本高昂且易出现梯度爆炸。SRPO提出的Direct-Align策略通过噪声注入控制与单步推理重建，使模型能够稳定优化完整生成轨迹。实验数据显示，该方法将初始时间步的去噪误差降低62%，在保持生成多样性的同时，使优化过程的稳定性提升4倍。
语义相对偏好机制应对奖励偏差
针对奖励模型易出现的"偏色偏好"（如HPSv2倾向红色调、PickScore偏好紫色系），SRPO创新性引入动态语义控制。通过构建"正向提示+负向提示"的对比学习框架，如"自然光人像"+"避免冷色调滤镜"，配合加权奖励公式，有效中和模型固有偏差。技术白皮书显示，该机制使奖励模型的评估偏差率从28%降至4.7%，实现真实感与美学性的平衡优化。
轻量化训练架构适配资源受限场景
SRPO采用模块化设计，将核心优化逻辑封装为独立插件，无需修改基础模型权重。在单张RTX 4090显卡上，仅需8GB显存即可运行基础优化流程，而量化版本更是将显存需求压降至3.2GB。这种"即插即用"的特性，使其能快速适配Stable Diffusion、Flux等主流生图管线，目前已有超过20个开源项目宣布集成该技术。
开源生态与商用前景：从技术突破到产业落地
SRPO的开源不仅带来技术革新，更推动形成活跃的开发者社区。项目在Hugging Face发布首日即吸引全球开发者关注，衍生出针对二次元风格的"SRPO-Anime"、专注风景摄影的"SRPO-Landscape"等定制版本。腾讯团队同步开放完整技术报告与训练日志，其提出的"语义偏好优化"框架已被MIT、CMU等高校研究者引用，有望成为生图模型优化的通用范式。
在商业应用层面，该技术已展现出广阔前景。电商领域可利用其优化服装模特生成，提升商品展示真实度；影视后期制作中，能快速生成符合导演要求的角色概念图；在线教育平台则可借助优化后的虚拟教师形象增强教学沉浸感。值得注意的是，SRPO保持生成效率与优化效果的平衡，在A100显卡上，单张图片的优化耗时仅增加0.8秒，完全满足实时交互场景需求。
国内AI开源力量崛起：Hugging Face前六占五席
SRPO的爆发式增长，折射出中国AI企业在开源领域的集体发力。截至9月17日，Hugging Face模型趋势榜前六名中，腾讯、百度、阿里三家企业占据五席，其中腾讯SRPO与百度ERNIE-ViLG-X分别位列第一、第三。这种群体性突破标志着国内AI技术从"单点创新"进入"体系化输出"阶段，在多模态生成、大模型优化等核心赛道建立起竞争优势。
腾讯混元团队表示，SRPO的下一阶段将聚焦三大方向：开发可学习的动态控制词表，实现更精细的风格调控；构建跨模型通用优化框架，适配SD3、Imagine等更多基础模型；探索视频生成领域的扩展应用，解决动态人像的质感保持难题。随着技术迭代与生态扩展，AI生图有望在内容创作、数字孪生、虚拟人等领域加速渗透，推动视觉内容生产进入"真实感与效率并重"的新阶段。
目前，SRPO的完整代码、技术文档及预训练权重已在多个平台开放，开发者可通过Hugging Face模型库（huggingface.co/tencent/SRPO）或GitCode仓库（https://gitcode.com/tencent_hunyuan/SRPO）获取相关资源。技术报告已发表于arXiv预印本平台（arXiv:2509.06942），详细阐述其算法原理与实验验证过程。这场由中国团队发起的生图质量革命，正迅速改写全球AI视觉技术的发展格局。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
