3月6日，騰訊混元發佈圖生視頻模型並對外開源，同時上線對口型與動作驅動等玩法，並支持生成背景音效及2K高品質視頻。

　　基於圖生視頻的能力，用戶只需上傳一張圖片，並簡短描述希望畫面如何運動、鏡頭如何調度等，混元即可按照用戶要求讓圖片動起來，變成5秒的短視頻，還能自動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“説話”或“唱歌”；如果選擇動作模版，還能一鍵生成同款跳舞視頻。目前用戶通過混元AI視頻官網即可體驗，企業和開發者可在騰訊雲申請使用API介面使用。

　　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，模型總參數量保持 130 億，適用於多種類型的角色和場景，包括寫實視頻製作、動漫角色甚至CGI角色製作的生成。開源內容包含權重、推理代碼和LoRA訓練代碼，支持開發者基於混元訓練專屬LoRA等衍生模型。目前在Github、Hugging Face等主流開發者社區均可下載體驗。

　　據混元開源技術報告披露，混元視頻生成模型具備靈活的擴展性，圖生視頻和文生視頻在相同的數據集上開展預訓練工作。在保持超寫實畫質、流暢演繹大幅度動作、原生鏡頭切換等特性的基礎上，讓模型能夠捕捉到豐富的視覺和語義信息，並結合圖像、文本、音頻和姿態等多種輸入條件，實現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Hugging Face全站趨榜第一，目前Github平臺上star數超過8.9K。多位開發者自發製作基於社區HunyuanVideo的插件與衍生模型，積累超過900個衍生版本。更早開源的混元DiT文生圖模型，在國內外衍生模型數量多達1600多個。

　　目前，混元開源系列模型已經完整覆蓋文本、圖像、視頻和3D生成等多個模態，在Github累計獲得超 2.3 萬開發者關注和star。（圖/文 陳東）