迄今最大視頻開(kāi)源模型！騰訊混元文生視頻上線：一句話生成視頻

　　今日，騰訊混元大模型宣布文生視頻功能上線，一句話就能生成視頻。

　　此次開(kāi)源的視頻生成大模型，參數(shù)量130億，是當(dāng)前最大的視頻開(kāi)源模型。

　　目前，該模型已在Hugging Face平臺(tái)及Github上發(fā)布，包含模型權(quán)重、推理代碼、模型算法等完整模型，可供企業(yè)與個(gè)人開(kāi)發(fā)者免費(fèi)使用和開(kāi)發(fā)生態(tài)插件。

　　大家可在騰訊元寶APP-AI應(yīng)用-AI視頻中提交申請(qǐng)?jiān)囉茫�企業(yè)客戶可通過(guò)騰訊云提供服務(wù)接入，API同步開(kāi)放內(nèi)測(cè)申請(qǐng)。

　　據(jù)了解，目前生成視頻支持中英文雙語(yǔ)輸入、多種視頻尺寸以及多種視頻清晰度。

　　騰訊混元視頻生成大模型可以生成超寫(xiě)實(shí)的高質(zhì)量視頻，比如，像沖浪、跳舞這種大動(dòng)作場(chǎng)景，生成的畫(huà)面自然合理，不容易變形。

　　在鏡面或鏡子場(chǎng)景中，可以做到鏡面反射動(dòng)作和外面完全同步，光影反射基本符合物理規(guī)律。

　　據(jù)騰訊介紹，騰訊混元視頻生成大模型采用DiT架構(gòu)，并在架構(gòu)設(shè)計(jì)上進(jìn)行多處升級(jí)。

　　適配了新一代文本編碼器提升語(yǔ)義遵循，其具備強(qiáng)大的語(yǔ)義跟隨能力，更好地應(yīng)對(duì)多個(gè)主體描繪，實(shí)現(xiàn)更加細(xì)致的指令和畫(huà)面呈現(xiàn)。

　　通過(guò)先進(jìn)的圖像視頻混合VAE(3D變分編碼器)，讓模型在細(xì)節(jié)表現(xiàn)有明顯提升，特別是小人臉、高速鏡頭等場(chǎng)景。