DoNews11月21日消息，騰訊混元大模型團(tuán)隊宣布開源最新視頻生成模型 HunyuanVideo 1.5，這是一款基于 Diffusion Transformer（DiT）架構(gòu)、參數(shù)為8.3B的輕量級視頻生成模型，支持生成5-10秒的高清視頻。
模型已經(jīng)搶先在「元寶」上線，可通過兩種方式即可體驗：一是輸入文字描述（Prompt），直接實現(xiàn)“文生視頻”；二是上傳圖片配合Prompt，輕松將靜態(tài)圖片轉(zhuǎn)化為動態(tài)視頻。
HunyuanVideo 1.5模型能力全面，支持中英文輸入的文生視頻與圖生視頻。
其中，圖生視頻能力展現(xiàn)出圖像與視頻的高度一致性，生成的視頻在色調(diào)、光影、場景、主體和細(xì)節(jié)等方面都能與原圖較好匹配。
模型還具備強(qiáng)指令理解與遵循能力，能夠精準(zhǔn)地實現(xiàn)多樣化場景，包括運(yùn)鏡、流暢運(yùn)動、真實的物理規(guī)律遵循、寫實人物和人物情緒表情等多種指令。
同時，HunyuanVideo 1.5支持寫實、動畫、積木等多種風(fēng)格，并可在視頻中生成中英文文字，滿足多樣化內(nèi)容創(chuàng)作需求。
在畫質(zhì)方面，模型可原生生成480p和720p高清視頻，并可通過超分模型提升至1080p電影級畫質(zhì)。 此前，視頻生成領(lǐng)域的開源SOTA旗艦?zāi)Ｐ椭辽儆?0B，需要超過50GB顯卡方可部署。
HunyuanVideo 1.5定位為“開源小鋼炮”，顯著降低了使用門檻可在14G顯存的消費(fèi)級顯卡上流暢運(yùn)行，真正讓每一位開發(fā)者和創(chuàng)作者都能“玩起來”。
HunyuanVideo1.5通過多層次的技術(shù)創(chuàng)新，實現(xiàn)了生成效果、性能與尺寸上的平衡。HunyuanVideo 1.5創(chuàng)新的SSTA稀疏注意力機(jī)制（全稱Selective and Sliding Tile Attention, 選擇性滑動分塊注意力）在保證高質(zhì)量生成的同時顯著提升推理效率，配合多階段漸進(jìn)式訓(xùn)練策略，在運(yùn)動連貫性、語義遵循等關(guān)鍵維度均達(dá)到商用水平。
目前模型已上傳至Hugging Face和Github社區(qū)。
