(資料圖片)
上證報(bào)中國證券網(wǎng)訊（記者譚镕）11月21日，騰訊混元大模型團(tuán)隊(duì)正式發(fā)布并開源HunyuanVideo 1.5。這是一款基于Diffusion Transformer（DiT）架構(gòu)、參數(shù)為8.3B的輕量級視頻生成模型，支持生成5至10秒的高清視頻。目前，騰訊元寶最新版已上線該模型能力。用戶可通過兩種方式即可體驗(yàn)：一是輸入文字描述（Prompt），直接實(shí)現(xiàn)“文生視頻”；二是上傳圖片配合文字描述，將靜態(tài)圖片轉(zhuǎn)化為動態(tài)視頻。
此前，視頻生成領(lǐng)域的開源SOTA旗艦?zāi)Ｐ椭辽儆?0B，需要超過50GB顯卡方可部署。HunyuanVideo 1.5的出現(xiàn)大幅降低了硬件部署門檻，以極低的門檻就可以獲得旗艦?zāi)Ｐ偷捏w驗(yàn)，目前模型已上傳至Hugging Face和Github社區(qū)。
據(jù)介紹，HunyuanVideo 1.5模型具備全面且強(qiáng)大的核心能力，支持中英文輸入的文生視頻與圖生視頻。模型還具備強(qiáng)指令理解與遵循能力，能夠精準(zhǔn)地實(shí)現(xiàn)多樣化場景，包括運(yùn)鏡、流暢運(yùn)動、寫實(shí)人物和人物情緒表情等多種指令；同時(shí)支持寫實(shí)、動畫、積木等多種風(fēng)格，并可在視頻中生成中英文文字。在畫質(zhì)方面，模型可原生生成5至10秒時(shí)長的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)。
同時(shí)，HunyuanVideo 1.5創(chuàng)新的SSTA稀疏注意力機(jī)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(shí)顯著提升推理效率，配合多階段漸進(jìn)式訓(xùn)練策略，在運(yùn)動連貫性、語義遵循等關(guān)鍵維度均達(dá)到商用水平。
HunyuanVideo 1.5 GSB（Good Same Bad）評測結(jié)果
騰訊元寶稱，自上線以來，元寶不斷拓展AI能力的邊界，此次“一句話生視頻”的上線，標(biāo)志著元寶在多模態(tài)能力上邁出了關(guān)鍵一步，正式實(shí)現(xiàn)了從文本、圖片、音頻到視頻的“圖文音視”全模態(tài)覆蓋。這不僅是元寶產(chǎn)品能力的升級，更讓AI成為一個(gè)貼近用戶的實(shí)用工具。
標(biāo)簽： 騰訊 視頻 元寶 HunyuanVideo 一句話
上證報(bào)中國證券網(wǎng)訊（記者譚镕）11月21日，騰訊混元大模型團(tuán)隊(duì)正式發(fā)布
