腾讯混元发布并开源图生视频模型：可生成 5 秒短视频，还能自动配上背景音效

GoodNav 3 月 6 日报道，根据腾讯混元微信公众号的信息，腾讯混元推出了图生视频模型并进行开源，同时提供了对口型及动作驱动等功能，支持生成背景音效以及 2K 高品质视频。

依托图生视频的技术，用户只需上传一张图片，并简单描述希望画面的运动方式和镜头调度，混元便能按照要求将图片动化，转化为 5 秒的短视频，并自动生成背景音效。此外，用户上传一张人物图片并输入希望“对口型”的文字或音频，图片中的人物就能“说话”或“歌唱”；使用“动作驱动”功能，还能一键生成类似的舞蹈视频。

目前，用户可以通过混元 AI 视频官网（https://video.hunyuan.tencent.com/）进行体验，企业和开发者可在腾讯云申请API接口的使用权限。

此次开源的图生视频模型，延续了混元文生视频模型的开源工作，总参数达到 130 亿，适用于多类角色和场景的生成，包括写实视频、动漫角色甚至 CGI 角色的制作。

开源内容包括权重、推理代码及 LoRA 训练代码，支持开发者基于混元训练自己的专属 LoRA 等衍生模型。目前，这些资源可在 Github、HuggingFace 等主流开发者社区中下载体验。

混元的开源技术报告表明，混元视频生成模型具备良好的扩展性，图生视频与文生视频在同一数据集上进行预训练。在保持高度写实画质、流畅展示大幅动作、原生镜头切换等特性基础上，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、音频以及姿态等多种输入条件，实现对生成视频的多维度控制。

目前，混元的开源系列模型已经全面覆盖文本、图像、视频和 3D 生成等多个模态，在 Github 上累积获得超过 2.3 万名开发者的关注和 star。

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