腾讯混元发布并开源图生视频模型，同时上线音频与动作驱动等能力

腾讯混元图生视频模型目前已经上线，企业和开发者可在腾讯云申请使用 API 接口；用户通过混元 AI 视频官网即可体验。混元视频生成开源模型目前在 Github、HuggingFace 等主流开发者社区均可下载体验。

腾讯混元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”；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 视频官网即可体验，企业和开发者可在腾讯云申请使用 API 接口使用。

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。

混元视频生成模型开源以来，一直保持较高的热度，去年 12 月登顶 huggingface 全站趋榜第一，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。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。