11月21日消息，騰訊今日，混元騰訊混元大模型團隊宣布開源最新視頻生成模型HunyuanVideo 1.5，發(fā)布費級這是全新一款基于Diffusion Transformer（DiT）架構(gòu)、參數(shù)為8.3B的視頻生成生成輕量級視頻生成模型，支持生成5-10秒的模型高清視頻。

該模型已經(jīng)搶先在“元寶”上線，消顯普通用戶可以直接體驗，流暢可通過兩種方式：一是運行輸入文字描述（Prompt），直接實現(xiàn)“文生視頻”；二是騰訊上傳圖片配合Prompt，輕松將靜態(tài)圖片轉(zhuǎn)化為動態(tài)視頻?；煸?/p>

據(jù)介紹，發(fā)布費級HunyuanVideo 1.5模型能力全面，全新支持中英文輸入的視頻生成生成文生視頻與圖生視頻。

其中，模型圖生視頻能力展現(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、主體和細節(jié)等方面都能與原圖較好匹配。

模型還具備強指令理解與遵循能力，能夠精準地實現(xiàn)多樣化場景，包括運鏡、流暢運動、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。

在元寶中可以通過文字和圖片生成視頻

同時，HunyuanVideo 1.5支持寫實、動畫、積木等多種風格，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旗艦模型至少有20B，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顯存的消費級顯卡上流暢運行，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，配合多階段漸進式訓練策略，在運動連貫性、語義遵循等關(guān)鍵維度均達到商用水平。