3月6日，騰訊混元發(fā)布圖生視頻模型并對(duì)外開源，同時(shí)上線對(duì)口型與動(dòng)作驅(qū)動(dòng)等玩法，并支持生成背景音效及2K高質(zhì)量視頻。

基于圖生視頻的能力，用戶只需上傳一張圖片，并簡(jiǎn)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，并輸入希望“對(duì)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)者可在騰訊云申請(qǐng)使用API接口使用。

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，適用于多種類型的角色和場(chǎng)景，包括寫實(shí)視頻制作、動(dòng)漫角色甚至CGI角色制作的生成。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)者基于混元訓(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，并結(jié)合圖像、文本、音頻和姿態(tài)等多種輸入條件，實(shí)現(xiàn)對(duì)生成視頻的度控制。

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)制作基于社區(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(guó)內(nèi)外衍生模型數(shù)量多達(dá)1600多個(gè)。