网 乐天 3月6日

腾讯混元今日发布图生视频模型并对外开源，同时上线对口型与动作驱动等玩法，并支持生成背景音效及2K高质量视频。

基于图生视频的能力，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，混元即可按照用户要求让图片动起来，变成5秒的短视频，还能自动配上合适的背景音效。

此外，上传一张人物图片，并输入希望“对口型”的文字或音频，图片中的人物即可“说话”或“唱歌”；如果选择动作模版，还能一键生成同款跳舞视频。

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，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。

据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。

混元视频生成模型开源以来，一直保持较高的热度，目前Github平台上Star数超过8.9K。多位开发者自发制作基于社区Hunyuanvideo的插件与衍生模型，积累超过 900 个衍生版本。更早开源的混元DiT文生图模型，在国内外衍生模型数量多达1600多个。

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。

———————————————

由媒体人雷建平创办，若转载请写明来源。