腾讯混元发布并开源图生视频模型

as22

日前，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。

据介绍，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。

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。

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。

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。

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。

腾讯混元图生视频模型目前已经上线，企业和开发者可在腾讯云申请使用API接口；用户通过混元AI视频官网即可体验。