3月6日，騰訊混元發(fā)布圖生視頻模型並對外開源，同時(shí)上線對口型與動(dòng)作驅(qū)動(dòng)等玩法，並支持生成背景音效及2K高質(zhì)量視頻?；秷D生視頻的能力，用戶只需上傳一張圖片，並簡短描述希望畫面如何運(yùn)動(dòng)、鏡頭如何調(diào)度等，混元即可按照用戶要求讓圖片動(dòng)起來，變成5秒的短視頻，還能自動(dòng)配上合適的背景音效。此外，上傳一張人物圖片，並輸入希望「對口型」的文字或音頻，圖片中的人物即可「說話」或「唱歌」；如果選擇動(dòng)作模版，還能一鍵生成同款跳舞視頻。目前用戶通過混元AI視頻官網(wǎng)（https://video.hunyuan.tencent.com/）即可體驗(yàn)，企業(yè)和開發(fā)者可在騰訊雲(yún)申請使用API接口使用。
據(jù)了解，此次開源的圖生視頻模型，是混元文生視頻模型開源工作的延續(xù)，模型總參數(shù)量保持 130 億，適用於多種類型的角色和場景，包括寫實(shí)視頻製作、動(dòng)漫角色甚至CGI角色製作的生成。開源內(nèi)容包含權(quán)重、推理代碼和LoRA訓(xùn)練代碼，支持開發(fā)者基於混元訓(xùn)練專屬LoRA等衍生模型。目前在Github、HuggingFace等主流開發(fā)者社區(qū)均可下載體驗(yàn)。
據(jù)混元開源技術(shù)報(bào)告披露，混元視頻生成模型具備靈活的擴(kuò)展性，圖生視頻和文生視頻在相同的數(shù)據(jù)集上開展預(yù)訓(xùn)練工作。在保持超寫實(shí)畫質(zhì)、流暢演繹大幅度動(dòng)作、原生鏡頭切換等特性的基礎(chǔ)上，讓模型能夠捕捉到豐富的視覺和語義信息，並結(jié)合圖像、文本、音頻和姿態(tài)等多種輸入條件，實(shí)現(xiàn)對生成視頻的多維度控制。
混元視頻生成模型開源以來，一直保持較高的熱度，去年12 月登頂huggingface全站趨榜第一，目前Github平臺(tái)上Star數(shù)超過8.9K。多位開發(fā)者自發(fā)製作基於社區(qū)Hunyuanvideo的插件與衍生模型，積累超過 900 個(gè)衍生版本。更早開源的混元DiT文生圖模型，在國內(nèi)外衍生模型數(shù)量多達(dá)1600多個(gè)。
目前，混元開源系列模型已經(jīng)完整覆蓋文本、圖像、視頻和3D生成等多個(gè)模態(tài)，在Github 累計(jì)獲得超 2.3 萬開發(fā)者關(guān)注和star。（記者 沛菡）
電話：（香港）852-2564 0768
（深圳）86-755-83518792 83518734 83518291
地址：香港九龍觀塘道332號香港商報(bào)大廈
