腾讯混元视频生成再升级，发布图生视频、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（https://video.hunyuan.tencent.com/）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。

图生视频提示词：Van Gogh lifts a glass of red wine to his lips and takes a sip.

图生视频提示词（配背景音效）：他吃苹果

图生视频提示词（配背景音效）：A horse is walking

音频驱动能力，让虚拟人物念绕口令

动作驱动能力，让图中人物跳舞

拥抱LoRA模型

捏扁特效LoRA模型

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。

混元图生视频模型目前已经在腾讯云上线，企业和开发者可扫描下方二维码或点击【阅读原文】申请使用API接口。

附  混元图生视频开源链接

Github: https://github.com/Tencent/HunyuanVideo-I2V

Huggingface：https://huggingface.co/tencent/HunyuanVideo-I2V

-END-

想关注更多“腾讯开源新动态”，加微信进群即可了解更多！

添加微信请备注：腾讯开源

‍