腾讯开源轻量级视频生成模型HunyuanVideo 1.5，消费级显卡可部署

就在刚刚，腾讯混元大模型团队正式发布并开源HunyuanVideo 1.5，一款基于 Diffusion Transformer（DiT）架构、参数为8.3B的轻量级视频生成模型，支持生成5-10秒的高清视频。目前，腾讯元宝最新版已上线该模型能力。用户可通过两种方式即可体验：一是输入文字描述（Prompt），直接实现“文生视频”；二是上传图片配合Prompt，轻松将静态图片转化为动态视频。

在元宝中可以通过文字和图片生成视频

笔者刚刚体验了一把，生成速度和效果都非常不错，大家可以试试：

• 官网：https://yuanbao.tencent.com/

目前，HunyuanVideo 1.5模型具备全面且强大的核心能力，支持中英文输入的文生视频与图生视频。其图生视频能力展现出图像与视频的高度一致性。模型还具备强指令理解与遵循能力，能够精准地实现多样化场景，包括运镜、流畅运动、写实人物和人物情绪表情等多种指令；同时支持写实、动画、积木等多种风格，并可在视频中生成中英文文字。在画质方面，模型可原生生成5–10秒时长的480p和720p高清视频，并可通过超分模型提升至1080p电影级画质。

HunyuanVideo 1.5定位为“开源小钢炮”，以极轻量的8.3B尺寸实现开源最佳的效果；显著降低了使用门槛，甚至可在14G显存的消费级显卡上流畅运行，真正让每一位开发者和创作者都能“玩起来”。

HunyuanVideo 1.5 GSB（Good Same Bad) 评测结果

HunyuanVideo1.5通过多层次的技术创新，实现了生成效果、性能与尺寸上的平衡。HunyuanVideo 1.5创新的SSTA稀疏注意力机制（全称Selective and Sliding Tile Attention, 选择性滑动分块注意力）在保证高质量生成的同时显著提升推理效率，配合多阶段渐进式训练策略，在运动连贯性、语义遵循等关键维度均达到商用水平。

此前，视频生成领域的开源SOTA旗舰模型至少有20B，需要超过50GB显卡方可部署。HunyuanVideo 1.5的出现大幅降低了硬件部署门槛，以极低的门槛就可以获得旗舰模型的体验，目前模型已上传至Hugging Face和Github社区，欢迎广大个人与企业开发者、创作者下载体验。

项目相关链接

• 项目主页：https://hunyuan.tencent.com/video/zh
• Github：https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5
• Hugging Face：https://huggingface.co/tencent/HunyuanVideo-1.5
• 技术报告：https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5/blob/main/assets/HunyuanVideo_1_5.pdf