3 月 6 日消息，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(kāi)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(hù)只需上傳一張圖片，并簡(jiǎn)短描述希望畫(huà)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(lái)，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(shuō)話(huà) " 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(hù)通過(guò)混元 AI 視頻官網(wǎng)（https://video.hunyuan.tencent.com/）即可體驗(yàn)，企業(yè)和開(kāi)發(fā)者可在騰訊云申請(qǐng)使用 API 接口使用。

此次開(kāi)源的圖生視頻模型，是混元文生視頻模型開(kāi)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(lèi)型的角色和場(chǎng)景，包括寫(xiě)實(shí)視頻制作、動(dòng)漫角色甚至 CGI 角色制作的生成。

開(kāi)源內(nèi)容包含權(quán)重、推理代碼和 LoRA 訓(xùn)練代碼，支持開(kāi)發(fā)者基于混元訓(xùn)練專(zhuān)屬 LoRA 等衍生模型。目前在 Github、HuggingFace 等主流開(kāi)發(fā)者社區(qū)均可下載體驗(yàn)。

混元開(kāi)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(kāi)展預(yù)訓(xùn)練工作。在保持超寫(xiě)實(shí)畫(huà)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(jué)和語(yǔ)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(kāi)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(wàn)開(kāi)發(fā)者關(guān)注和 star。