3月6日，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，混元即可按照用户要求让图片动起来，变成5秒的短视频，还能自动配上合适的背景音效。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”；如果选择动作模版，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，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。
视频一、Van Gogh lifts a glass of red wine to his lips and takes a sip..mp4，链接地址：https://drive.weixin.qq.com/s?k=AJEAIQdfAAoT9PuhWB
图生视频提示词：Van Gogh lifts a glass of red wine to his lips and takes a sip.
视频二、12-A man is eating an apple..mp4，链接地址：https://drive.weixin.qq.com/s?k=AJEAIQdfAAoYm9kTid
图生视频提示词（配背景音效）：他吃苹果
视频三、04-A horse is walking.mp4，链接地址：https://drive.weixin.qq.com/s?k=AJEAIQdfAAofj9LVEr
图生视频提示词（配背景音效）：A horse is walking
视频四、男性少年-扁担宽.mp4，链接地址：https://drive.weixin.qq.com/s?k=AJEAIQdfAAo41lt3rF
音频驱动能力，让虚拟人物念绕口令
视频五、皮克斯女孩跳舞1.mp4，链接地址：https://drive.weixin.qq.com/s?k=AJEAIQdfAAocdBkdFo
动作驱动能力，让图中人物跳舞
视频六、15_天使和魔鬼拥抱.mp4，链接地址：https://drive.weixin.qq.com/s?k=AJEAIQdfAAoz357gs1
拥抱LoRA模型
视频七、1_捏捏.mp4，链接地址：https://drive.weixin.qq.com/s?k=AJEAIQdfAAoGOiZz5n
捏扁特效LoRA模型
据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。[1]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，企业和开发者可点击下方链接或扫描二维码申请使用API接口。
https://cloud.tencent.com/apply/p/eyggas2eleb
混元图生视频开源链接：
Github: https://github.com/Tencent/HunyuanVideo-I2V
Hugging Face：https://huggingface.co/tencent/HunyuanVideo-I2V
HunyuanVideo模型开源以来，在开源社区收到众多关注与认可，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，包括ComfyUI、人物与特效Lora、加速工具、低显存版本、视频生视频模型、图生视频等多个方向。截至2月11日，人工智能绘画模型分享平台Civitai上共有762个衍生模型，是衍生模型最多的文生视频开源模型。