首个图文混合创作大模型“书生·浦语灵笔”开源

上海人工智能实验室（上海 AI 实验室）宣布推出首个图文混合创作大模型书生·浦语灵笔（InternLM-XComposer，简称“浦语灵笔”），依托强大的多模态性能，解锁“一键生成”图文混合文章的创作能力，为大模型落地应用提供更多可能。

目前，浦语灵笔已开源其中的智能创作和对话（InternLM-XComposer-7B）及多任务预训练（InternLM-XComposer-VL-7B）版本，并提供免费商用。

此前，上海AI实验室曾陆续开源了书生·浦语大语言模型的7B（InterLM-7B）及20B（InternLM-20B）版本。基于书生·浦语大语言模型（InternLM），浦语灵笔接受视觉和语言模态输入，不仅在图文对话方面表现优秀，更具备图文并茂文章的“一键生成”能力。

浦语灵笔能够进行流利的中英文图文对话，准确理解图像内容；并解锁了图文并茂文章创作的全新能力。除自动配图能力外，浦语灵笔还提供了配图推荐和更换功能，根据用户实际需求定制图文内容。

目前，浦语灵笔已支持科普文稿、营销广告、新闻稿件、影视评论、生活指南等类型文章的图文并茂生成，并将逐渐开放更多能力。

浦语灵笔为图文文章创作设计了“三步走”的算法流程：

• 理解用户指令，创作符合主题要求的长文章。
• 智能分析文章，模型自动规划插图的理想位置，并生成所需图像的内容要求。
• 多层次智能筛选，利用多模态大模型的图像理解能力，从图库中锁定最完美的图片。

研究人员采用5个主流的多模态大模型评测对InternLM-XComposer-VL-7B的能力进行了详细测试。