腾讯混元颁布发表发布图生视频模子并对外开源，同时上线对口型取动做驱动等弄法，并支撑生成布景音效及2K高质量视频。

　　据引见，基于图生视频的能力，用户只需上传一张图片，并简短描述但愿画面若何活动、镜头若何安排等，混元即可按要求让图片动起来，变成5秒的短视频，还能从动配上布景音效。

　　开源内容包含权沉、推理代码和LoRA锻炼代码，支撑开辟者基于混元锻炼专属LoRA等衍生模子，目前正在Github、HuggingFace等支流开辟者社区均可下载体验。

　　此外，上传一张人物图片，并输入但愿“对口型”的文字或音频，图片中的人物即可“措辞”或“唱歌”；利用“动做驱动”能力，还能一键生成同款跳舞视频。此次开源的图生视频模子，是混元文生视频模子开源工做的延续，模子总参数量连结 130 亿，包罗写实视频制做、动漫脚色以至CGI脚色制做的生成。

建湖永乐高·(中国区)官方网站科技有限公司

2025-06-03 18:15