IT之家 3 月 6 日消息，IT之家從騰訊混元微信公眾號(hào)獲悉，騰訊混元發(fā)布圖生視頻模型并對(duì)外開源，同時(shí)上線對(duì)口型與動(dòng)作驅(qū)動(dòng)等玩法，并支持生成背景音效及 2K 高質(zhì)量視頻。
基于圖生視頻的能力，用戶只需上傳一張圖片，并簡短描述希望畫面如何運(yùn)動(dòng)、鏡頭如何調(diào)度等，混元即可按要求讓圖片動(dòng)起來，變成 5 秒的短視頻，還能自動(dòng)配上背景音效。此外，上傳一張人物圖片，并輸入希望“對(duì)口型”的文字或音頻，圖片中的人物即可“說話”或“唱歌”；使用“動(dòng)作驅(qū)動(dòng)”能力，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(wǎng)（https://video.hunyuan.tencent.com/）即可體驗(yàn)，企業(yè)和開發(fā)者可在騰訊云申請使用 API 接口使用。
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(xù)，模型總參數(shù)量保持 130 億，模型適用于多種類型的角色和場景，包括寫實(shí)視頻制作、動(dòng)漫角色甚至 CGI 角色制作的生成。
開源內(nèi)容包含權(quán)重、推理代碼和 LoRA 訓(xùn)練代碼，支持開發(fā)者基于混元訓(xùn)練專屬 LoRA 等衍生模型。目前在 Github、HuggingFace 等主流開發(fā)者社區(qū)均可下載體驗(yàn)。
混元開源技術(shù)報(bào)告披露，混元視頻生成模型具備靈活的擴(kuò)展性，圖生視頻和文生視頻在相同的數(shù)據(jù)集上開展預(yù)訓(xùn)練工作。在保持超寫實(shí)畫質(zhì)、流暢演繹大幅度動(dòng)作、原生鏡頭切換等特性的基礎(chǔ)上，讓模型能夠捕捉到豐富的視覺和語義信息，并結(jié)合圖像、文本、音頻和姿態(tài)等多種輸入條件，實(shí)現(xiàn)對(duì)生成視頻的多維度控制。
目前，混元開源系列模型已經(jīng)完整覆蓋文本、圖像、視頻和 3D 生成等多個(gè)模態(tài)，在 Github 累計(jì)獲得超 2.3 萬開發(fā)者關(guān)注和 star。
附：混元圖生視頻開源鏈接
Github：https://github.com/Tencent/HunyuanVideo-I2V
Huggingface：https://huggingface.co/tencent/HunyuanVideo-I2V
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。