官方网站-首页

　　3 月(yuè) 6 日(rì)消(xiāo)息(xi)，从(cóng)腾(téng)讯(xùn)混(hùn)元(yuán)微(wēi)信(xìn)公(gōng)众(zhòng)号(hào)获(huò)悉(xī)，腾(téng)讯(xùn)混(hùn)元(yuán)发(fā)布(bù)图(tú)生(shēng)视(shì)频(pín)模(mó)型(xíng)并(bìng)对(duì)外(wài)开(kāi)源(yuán)，同(tóng)时(shí)上(shàng)线(xiàn)对(duì)口(kǒu)型(xíng)与(yǔ)动(dòng)作(zuò)驱(qū)动(dòng)等(děng)玩(wán)法(fǎ)，并(bìng)支(zhī)持(chí)生(shēng)成(chéng)背(bèi)景(jǐng)音(yīn)效(xiào)及(jí) 2K 高(gāo)质(zhì)量(liàng)视(shì)频(pín)。

　　基(jī)于(yú)图(tú)生(shēng)视频的能力，用户只需上传一张图片，并简短描述希望画面如何运动、镜头如何调度等，混元即可按要求让图片动起来，变成 5 秒的短视频，还能自动配上背景音效。此外，上传一张(zhāng)人(rén)物(wù)图(tú)片(piàn)，并(bìng)输入希望“对口型”的文字或音频，图片中的人物即可“说话”或“唱歌”；使用“动作驱动”能力，还能一键生成同款跳舞视频。

　　目前用户通过混元 AI 视频官网（https://video.hunyuan.tencent.com/）即可体验，企业和开发者可在腾讯云申请使用 API 接(jiē)口(kǒu)使(shǐ)用(yòng)。

　　此次开源的图生视频模型，是混元文生视频模型开源工作的延续，模型总参数量保持 130 亿，模型适用于多种类型的角色和场景，包括写实视频制作、动漫角色甚至 CGI 角色制作的生成。

　　开源内容包含权重、推理代码和 LoRA 训练代码，支持开发者基于混元训练专属 LoRA 等衍生模型。目前在 Github、HuggingFace 等主流开发者社区均可下载体验。

　　混元开源技术报告披露，混元视频生成模型具备灵活的扩展性，图生视频和文生视频在相同的数据集上开展预训练工作。在保持超写实画质、流畅演绎大幅度动作、原生镜头切换等特性的基础上，让模型能够捕捉到丰富的视觉和语义信息，并结合图像、文本、音频和姿态等多种输入条件，实现对生成视频的多维度控制。

　　目前，混元开源系列模型已经完整覆盖文本、图像、视频和 3D 生成等多个模态，在 Github 累计获得超 2.3 万开发者关注和 star。