发布日期：2025-05-23 05:15    点击次数：129

腾讯版 Sora竞猜大厅-甲级职业联赛-英雄联盟官方网站-腾讯游戏，发布即开源！

130 亿参数，成为现时参数目最大的开源视频生成模子。模子权重、推理代码、模子算法等全部上传 GitHub 与 Hugging Face，少许没藏着。

实质遵守如何呢？

不瞒你们说，我果真看见一只大熊猫，在跳广场舞、吃暖锅、打麻将，请看 VCR：

到底是来自四川的猫！

现时该模子已上线腾讯元宝 APP，用户可在 AI 欺诈中的" AI 视频"板块肯求试用。

API 同步敞开测试，拓荒者可通过腾讯云接入。‍‍‍‍‍‍‍

腾讯混元视频生成主打四大特色：

超写实画质，模子生成的视频内容具备高清质感、信得过感，可用于工业级生意场景举例告白宣传、创意视频生成等生意欺诈。

高语义一致，用户可以进行深奥的描画，举例生成主体的细节，东谈主物宗旨的组合等。模子可以准确的抒发出文本的内容。

明白画面灵通，可生成大幅度的合理明白，明白镜头灵通、合适物理限定，不易变形。

原生镜头颐养，模子原生具备自动生成多视角同主体的镜头切换画面，增强画面叙事感。

那么实质发扬能否合适描画？底下蚁集实例逐个拆解。

领先是冲浪题材，波及到画面大幅度明白，水的物理模拟等难点。

教唆词中还迥殊指定了录像头的明白，腾讯混元发扬出灵通运镜的才气，仅仅在"终末定格在…"这个条目上稍显不及。

教唆词：超大波澜，冲浪者在浪花上起跳，完成空中转体。照相机从波澜里面穿越而出，捕捉阳光透过海水的已而。水花在空中造成完满曲线，冲浪板划过水面留住轨迹。终末定格在冲浪者穿越水帘的完满已而。

镜子题材，纯属模子对光影的相识，以及镜子表里主体明白是否能保捏一致。

教唆词中的白床单位素又加大了难度，波及到的布料模拟，也合适物理限定。

不外东谈主们设想中的阴灵一般莫得脚，AI 似乎没学到，又或者是舞蹈波及大量腿部作为，产生了突破。

穿戴白床单的阴灵靠近着镜子。镜子中可以看到阴灵的倒影。阴灵位于布满灰尘的阁楼中，阁楼里有老旧的横梁和被布料遮拦的产品。阁楼的场景照耀在镜子中。阴灵在镜子前舞蹈。电影氛围，电影打光。

接下来是腾讯混元视频生成主推的功能之一，在画面主角保捏不变的情况下自动切镜头，据了解是业界大部分模子所不具备的才气。

一位中国好意思女穿戴汉服，头发飞舞，布景是伦敦，然后镜头切换到特写镜头。

再来一个玄虚型的复杂教唆词，对主角外貌、作为、环境王人有深奥描画，画面中还出现其他东谈主物，腾讯混元发扬也可以。

特写镜头拍摄的是一位 60 多岁、留着髯毛的灰发男人，他坐在巴黎的一家咖啡馆里，千里念念着天地的历史，他的眼睛聚焦在画外来往的东谈主们身上，而他我方则基本一动不动地坐着，他身穿羊毛大衣西装外衣，内衬系扣衬衫，戴着棕色贝雷帽和眼镜，看上去很有素养仪态，片尾他闪现一点奥秘的闭嘴含笑，仿佛找到了生命之谜的谜底，灯光迥殊具有电影感，金色的灯光，布景是巴黎的街谈和城市，景深，35 毫米电影胶片。

终末附上来自官方的写 prompt 小 tips：

用法 1：教唆词 = 主体 + 场景 + 明白

用法 2：教唆词 = 主体 ( 主体描画 ) + 场景 ( 场景描画 ) + 明白 ( 明白描画 ) + ( 镜头谈话 ) + ( 氛围描画 ) + ( 作风抒发 )

用法 3：教唆词 = 主体 + 场景 + 明白 + ( 作风抒发 ) + ( 氛围描画 ) + ( 运镜花式 ) + ( 明后 ) + ( 景别 )

多镜头生成：教唆词 = [ 场景 1 ] + 镜头切换到 [ 场景 2 ]

两个作为生成：教唆词 = [ 主体描画 ] + [ 作为描画 ] + [ 然后、过了一会等明白词 ] + [ 作为描画 2 ]

怎样样，你学会了吗？

更多腾讯混元生成的视频，以及与 Sora 同教唆词 PK，还可以望望。

看完遵守，再望望本事层面有哪些亮点。

领先从官方评估畛域看，混元视频生成模子在文本视频一致性、明白质地和画面质地多个维度遵守进步。

然后从现时公开尊府看，腾讯混元视频生成模子还有三个亮点。

1、文本编码器部分，照旧适配多模态大模子

当下行业中多数视觉生成模子的文本编码器，适配的主如果上一代谈话模子，如 OpenAI 的 CLIP 和谷歌 T5 及各式变种。

腾讯在开源图像生成模子 Hunyuan-DiT 中适配的是 T5 和 CLIP 的蚁集，此次更进一步，径直升级到了新一代多模态大谈话模子（Multimodal Large Language Model）。

由此八成获取更重大的语义扈从才气，体当今八成更好地应酬画面中存在的多个主体，以及完成指示中更多的细节。

2、视觉编码器部分，复古搀和图片 / 视频查考，提高压缩重建性能

视频生成模子中的视觉编码器，在压缩图片 / 视频数据，保留细节信息方面起着要道作用。

混元团队自研了 3D 视觉编码器复古搀和图片 / 视频查考，同期优化了编码器查考算法，显耀提高了编码器在快速驱动、纹理细节上的压缩重建性能，使得视频生成模子在细节发扬上，迥殊是常人脸、高速镜头等场景有显然提高。

3、重新到尾用 full attention（全贯注力）的机制，没灵验时空模块，提高画面灵通度。

混元视频生成模子选拔调处的全贯注力机制，使得每帧视频的延续更为灵通，并能终了主体一致的多视角镜头切换。

与"分离的时空贯注力机制"分手关遏制频中的空间特征和时分特征，比较之下，全贯注力机制则更像一个纯视频模子，发扬出更优胜的遵守。

更多细节，可以参见完整本事线路～‍

官网：https://aivideo.hunyuan.tencent.com

代码：https://github.com/Tencent/HunyuanVideo

模子：https://huggingface.co/tencent/HunyuanVideo

本事线路：https://github.com/Tencent/HunyuanVideo/blob/main/assets/hunyuanvideo.pdf

—  完  —

「MEET2025 智能明天大会」

火热报名中

定档 12 月 11 日！李开复博士、周志华素养、智源筹议院王仲远院长王人来量子位MEET2025 智能明天大会探讨行业破局之谈了！

，不雅众报名通谈已开启！接待来到 MEET 智能明天大会，期待与您一谈料到智能科技新明天  

傍边滑动检验最新嘉宾声势

点这里� � 慈祥我，紧记标星哦～

一键三连「点赞」、「共享」和「在看」

科技前沿进展日日再会 ~  

上一篇：竞猜大厅真人本次股票上市类型为股权激发股份；股票认购容颜为网下-竞猜大厅-甲级职业联赛-英雄联盟官方网站-腾讯游戏    下一篇：竞猜大厅这篇著作黎天鸿博士后是论文的一作-竞猜大厅-甲级职业联赛-英雄联盟官方网站-腾讯游戏