标签: 腾讯混元 HunyuanVideo 元宝 DiT架构
我要评论云梦级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），直接实腾讯现“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模混元型能力全面，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 H影、场景、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un运镜、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yu写实、动画、积木等多种风格，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48an0p和720p高清视频，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Vi20B，需要超过50GB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de在14G显存的消费级显卡上流畅运行，真正让每一位开发者和创作者都能“玩起来”。
HunyuanVideo1.5通过多o 层次的技术创新，实现了生成效果、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S元宝elective and 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 D理效率，配合多阶段渐进式训练策略，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HugginiTg Face和Github社区。
相关文章
根据阿尔托大学的研究，使用人工智能（AI）工具可能使我们对自己的认知能力产生误判。普遍情况下，人们倾向于自我评估为 “略好于平均水平”，这种现象在认知测试表现较差的人群中尤为明显，被称为 “达克效应”2026-11-12
云梦级4月13日云梦级消息，中际旭创股份有限公司（证券代码：300308 证券简称：中际旭创）日前发布财报。财报显示，中际旭创2025年营收为382.4亿元，较上年同期的238.6亿元增长60.25%2026-11-12
图灵奖得主Yoshua Bengio：生成流网络拓展深度学习领域
近日，一篇名为《GFlowNet Foundations》的论文引发了人们的关注，这是一篇图灵奖得主 Yoshua Bengio 一作的新研究，论文长达 70 页。 在 Geoffrey Hinton2026-11-12
微软将向瑞典AI及云计算基础设施投资32亿美元，为25万人提供基本AI技能培训
6 月 3 日消息，据彭博社报道，微软公司今日宣布，计划在瑞典投资 32 亿美元（备注：当前约 232.32 亿元人民币）用于建设人工智能和云计算设施，这是微软迄今为止在北欧地区规模最大的基础设施投资2026-11-12
小红书发布DynamicFace人脸生成技术，实现高质量图像视频人脸融合
小红书AIGC团队近日正式发布了名为DynamicFace的可控人脸生成技术。据官方介绍，这项技术专门针对图像和视频领域的人脸融合任务进行优化，能够实现高质量与高度一致性的人脸置换效果。 Dynami2026-11-12
在人工智能浪潮迭起的今天，OpenAI 再次投下一颗重磅炸弹，正式向全球推出了两款全新的开源安全推理模型，它们的名字注定将刻印在 AI 安全的新篇章上:gpt-oss-safeguard-120b 与2026-11-12
最新评论