TextHarmony

TextHarmony是由华东师范大学与字节跳动联合研发的多模态生成模型，专注于视觉与文本信息的理解与生成。该模型基于Slide-LoRA技术，通过动态整合模态相关与非相关的LoRA专家，部分解耦多模态生成空间，从而实现在单一模型中高效协调视觉与语言的生成任务。TextHarmony在视觉和语言模态间实现了更一致的生成流程，并依托高质量图像字幕数据集DetailedTextCaps-100K，进一步提升了其视觉文本生成能力。