腾讯开源的PromptEnhancer：文本到图像提示词增强工具

什么是PromptEnhancer？

PromptEnhancer是由腾讯混元团队开源的一款专注于提升文本到图像（Text-to-Image, T2I）模型性能的提示优化框架。它通过创新性的思维链（Chain-of-Thought, CoT）提示重写技术和专门设计的对齐评估模型AlignEvaluator，显著提升了T2I模型对复杂用户指令的理解能力和生成图像的准确性。

作为一款无需修改基础T2I模型权重的通用优化框架，PromptEnhancer支持多种主流预训练模型（如HunyuanImage、Stable Diffusion、Imagen等），具有即插即用的独特优势。其核心价值在于通过两阶段优化流程（监督微调和强化学习）生成更符合用户意图的提示词，从而让图像生成质量更上一层楼。

PromptEnhancer的核心功能

作为一款先进的提示优化框架，PromptEnhancer提供了以下核心功能：

• 提升生成精度与对齐质量：通过智能化的提示优化，显著提高图像生成的准确性和与用户意图的匹配度。特别在处理复杂指令（如属性绑定、否定描述和关系表达）方面表现尤为突出。
• 通用适配与快速部署：无需修改任何基础模型权重，可直接作为插件集成到多种主流T2I模型中，大幅降低了优化成本并提高了部署效率。
• 高质量基准测试集：提供包含6000条精心标注的提示数据集，覆盖多个关键维度。这不仅为研究人员提供了重要参考，也推动了提示优化领域的可解释性和可复现性研究。

PromptEnhancer的技术创新点

• 基于思维链（CoT）的提示重写技术

  PromptEnhancer引入了独特的“思维链”机制，模拟专业设计者的思考过程。它将原始指令拆解为三个关键步骤：识别核心元素、分析潜在歧义、补充细节描述。这种结构化的优化方式能够显著提升提示的质量和效果。

• AlignEvaluator对齐评估模型

  该框架构建了一个全方位的评估体系，包含6大类别（语言理解、视觉属性、复杂关系等）和24个关键维度。通过大规模标注数据训练得到的AlignEvaluator模型，可以为生成图像提供精准的质量评分，确保优化过程有据可依。

• 双阶段优化流程
  • 第一阶段：监督微调（SFT）

    通过大量高质量的“原始提示-思维链-精细化提示”数据对，训练初始版本的CoT重写器。这个过程主要目标是让模型掌握生成符合语法和逻辑规范的优质提示。

  • 第二阶段：基于奖励的策略优化（GRPO）

    在这一阶段，系统会将多个候选提示输入冻结的基础T2I模型中进行图像生成，并通过AlignEvaluator对结果打分。根据“得分越高、权重越大”的原则，持续优化重写器策略，最终实现更优的提示生成效果。

项目资源与访问渠道

• 官方网站：https://hunyuan-promptenhancer.github.io/
• GitHub仓库：https://github.com/Hunyuan-PromptEnhancer/PromptEnhancer
• HuggingFace模型库：https://huggingface.co/tencent/HunyuanImage-2.1/tree/main/reprompt
• 技术论文：https://www.arxiv.org/pdf/2509.04545

PromptEnhancer的应用价值

凭借其强大的功能和灵活的适配性，PromptEnhancer在多个领域展现出显著的应用价值：

• 广告设计与营销：快速生成高质量宣传物料，大幅提升设计效率。
• 插画创作辅助：帮助创作者高效获取创意草图，解放设计师双手。
• 游戏开发支持：为开发者提供游戏角色、场景和道具的概念图，加速内容生产。
• 社交媒体内容制作：快速生成吸睛的图片和视频素材，提升传播效果。
• 视频制作与特效设计：在视频创作中生成高质量的概念图或关键帧，助力后期制作。

通过PromptEnhancer，无论是设计师、开发者还是内容创作者，都能显著提升工作效率并实现更优质的内容产出。其开放源代码的特性也为研究者提供了宝贵的实验平台，推动了AI图像生成技术的持续进步。