腾讯开源HunyuanVideo 1.5：轻量级视频生成模型突破硬件壁垒，元宝实现全模态覆盖
【免费下载链接】HunyuanVideo项目地址: https://ai.gitcode.com/hf_mirrors/tencent/HunyuanVideo
11月21日，腾讯混元大模型团队宣布一项重要进展——正式发布并开源视频生成模型HunyuanVideo 1.5。这款基于Diffusion Transformer（DiT）架构打造的模型，以83亿参数的轻量化设计，实现了5至10秒高清视频的生成能力，目前已在腾讯元宝最新版本中上线。用户只需通过简单操作，即可体验两大核心功能：一是输入文字描述（Prompt）直接生成视频的“文生视频”模式；二是上传图片结合文字描述，将静态画面转化为动态影像的“图生视频”模式。在此之前，视频生成领域的开源SOTA（State-of-the-Art）旗舰模型通常需要至少200亿参数支撑，硬件部署门槛高达50GB以上显存的显卡。HunyuanVideo 1.5的问世，彻底改变了这一局面，将高性能视频生成的硬件需求大幅降低，让普通用户也能轻松享受旗舰级模型的体验。目前，该模型已同步上传至Hugging Face和Gitcode社区，方便开发者取用与二次开发。
HunyuanVideo 1.5的核心能力体现在多维度的全面性与强大性上。模型原生支持中英文双语输入，无论是文生视频还是图生视频任务，均能精准理解并执行用户指令。其突出的指令遵循能力，可实现多样化场景的精准复现，包括运镜效果的模拟、物体运动的流畅性呈现、写实人物的细节刻画，以及人物情绪与表情的细腻传达等。同时，模型内置多种风格模板，涵盖写实、动画、积木等不同视觉类型，并支持在视频画面中生成清晰的中英文文字，满足创意表达的多样化需求。
在视频质量方面，HunyuanVideo 1.5表现亮眼。模型可直接生成5至10秒时长、分辨率为480p或720p的高清视频，配合超分模型进一步处理后，分辨率可提升至1080p的电影级画质，为用户带来沉浸式视觉体验。值得关注的是，该模型创新性地引入了SSTA稀疏注意力机制（Selective and Sliding Tile Attention，选择性滑动分块注意力），在保证视频生成质量的前提下，显著提升了推理效率。结合多阶段渐进式训练策略，HunyuanVideo 1.5在运动连贯性、语义遵循度等关键指标上均达到了商用标准，为行业应用奠定了坚实基础。
如上图所示，腾讯元宝应用界面直观展示了HunyuanVideo 1.5的文生视频效果，左侧“宠物猫被UFO抓走”和右侧“公仔跳舞”的案例，生动体现了模型对复杂场景和动态指令的精准理解。这一可视化呈现不仅让用户直观感受到AI视频生成的魅力，更为创作者提供了“所想即所得”的创意工具。
腾讯元宝方面表示，自上线以来，产品持续拓展AI能力边界。此次“一句话生视频”功能的推出，标志着元宝在多模态能力建设上迈出了关键一步，正式实现了从文本、图片、音频到视频的“图文音视”全模态覆盖。这不仅是元宝产品能力的一次重要升级，更意味着AI技术进一步贴近普通用户的日常生活，成为一款真正实用的辅助工具。未来，随着模型的不断迭代与优化，HunyuanVideo系列有望在更多领域释放潜力，推动视频内容创作进入更高效、更智能的新阶段。
【免费下载链接】HunyuanVideo项目地址: https://ai.gitcode.com/hf_mirrors/tencent/HunyuanVideo
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
