腾讯混元图生视频发布并开源
北京日报客户端
| 记者 袁璐
2025-03-06 17:32
经济
3月6日，腾讯混元发布图生视频模型并对外开源，同时上线对口型与动作驱动等玩法，并支持生成背景音效及2K高质量视频。
据介绍，基于图生视频的能力，用户只需上传一张图片，并简短描述希望画面如何运动、镜头如何调度等，混元即可按照用户要求让图片动起来，变成5秒的短视频，还能自动配上合适的背景音效。此外，上传一张人物图片，并输入希望“对口型”的文字或音频，图片中的人物即可“说话”或“唱歌”；如果选择动作模版，还能一键生成同款跳舞视频。
此次开源的图生视频模型，是混元文生视频模型开源工作的延续，模型总参数量保持130亿，适用于多种类型的角色和场景。据该大模型开源技术报告披露，混元视频生成模型具备灵活的扩展性，图生视频和文生视频在相同的数据集上开展预训练工作。
混元视频生成模型开源以来，市场热度较高。目前，混元开源系列模型已经完整覆盖文本、图像、视频和3D生成等多个模态，在开发者平台Github上累计获得超 2.3 万开发者关注和星星。值得一提的是，近日，基于自研混元大模型的腾讯AI助手APP“元宝”，一度超越DeepSeek，登顶大陆地区App Store免费应用榜首，
打开APP阅读全文
