热点

标签: 腾讯混元 HunyuanVideo 元宝 DiT架构

字号+ 作者:牛骥同槽网 来源:经济数据 2026-11-23 我要评论(0)

标签: 腾讯混元 HunyuanVideo 元宝 DiT架构

云梦级11月21日云梦级消息,腾讯混元大模型团队宣布开源最新视频生成模型 HunyuanVideo 1.5,这是标签一款基于 Diffusion Transformer(DiT)架构、参数为8.3B的轻量级视频生成模型,支持生成5-: 10秒的高清视频。

模型已经抢先在「元宝」上线,可通过两种方式即可体验:一是输入文字描述(Prompt),直接实现“腾讯文生视频”;二是上传图片配合Prompt,轻松将静态图片转化为动态视频。

HunyuanVideo 1.5模型能力全面混元,支持中英文输入的文生视频与图生视频。

其中,图生视频能力展现出图像与视频的高度一致性,生成的视频在色调、光影、场 H景、主体和细节等方面都能与原图较好匹配。

模型还具备强指令理解与遵循能力,能够精准地实现多样化场景,包括运镜、un流畅运动、真实的物理规律遵循、写实人物和人物情绪表情等多种指令。

同时,HunyuanVideo 1.5支持写实、动画、积yu木等多种风格,并可在视频中生成中英文文字,满足多样化内容创作需求。

在画质方面,模型可原生生成480p和720p高清视频an,并可通过超分模型提升至1080p电影级画质。 此前,视频生成领域的开源SOTA旗舰模型至少有20B,需要超过Vi50GB显卡方可部署。

HunyuanVideo 1.5定位为“开源小钢炮”,显著降低了使用门槛可在14G显存的消费de级显卡上流畅运行,真正让每一位开发者和创作者都能“玩起来”。

HunyuanVideo1.5通过多层次的技术创新,实现o 了生成效果、性能与尺寸上的平衡。HunyuanVideo 1.5创新的SSTA稀疏注意力机制(全称Selective an元宝d Sliding Tile Attention, 选择性滑动分块注意力)在保证高质量生成的同时显著提升推理效率,配合多阶段 D渐进式训练策略,在运动连贯性、语义遵循等关键维度均达到商用水平。

目前模型已上传至Hugging Face和GithuiTb社区。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 标签: 小米 MiMo-V2-Flash 开源模型 混合滑动窗口

    标签: 小米 MiMo-V2-Flash 开源模型 混合滑动窗口

    2026-10-05

  • 云计算核心技术Docker教程:Docker集群的群任务状态

    云计算核心技术Docker教程:Docker集群的群任务状态

    2026-10-09

  • Google Cloud正在为在线零售商启动AI推荐引擎

    Google Cloud正在为在线零售商启动AI推荐引擎

    2026-09-12

  • 云安全日报211015:思科IP电话软件发现任意文件读取漏洞,需要尽快升级

    云安全日报211015:思科IP电话软件发现任意文件读取漏洞,需要尽快升级

    2026-10-31

网友点评