3月6日，騰訊混元發布圖生視頻模型并對外開源，同時上線對口型與動作驅動等玩法，并支持生成背景音效及2K高質量視頻。

基于圖生視頻的能力，用戶只需上傳一張圖片，并簡短描述希望畫面如何運動、鏡頭如何調度等，混元即可按照用戶要求讓圖片動起來，變成5秒的短視頻，還能自動配上合適的背景音效。此外，上傳一張人物圖片，并輸入希望“對口型”的文字或音頻，圖片中的人物即可“說話”或“唱歌”；如果選擇動作模版，還能一鍵生成同款跳舞視頻。目前用戶通過混元AI視頻官網（https://video.hunyuan.tencent.com/）即可體驗，企業和開發者可在騰訊云申請使用API接口使用。

此次開源的圖生視頻模型，是混元文生視頻模型開源工作的延續，模型總參數量保持 130 億，適用于多種類型的角色和場景，包括寫實視頻制作、動漫角色甚至CGI角色制作的生成。開源內容包含權重、推理代碼和LoRA訓練代碼，支持開發者基于混元訓練專屬LoRA等衍生模型。目前在Github、HuggingFace等主流開發者社區均可下載體驗。

據混元開源技術報告披露，混元視頻生成模型具備靈活的擴展性，圖生視頻和文生視頻在相同的數據集上開展預訓練工作。在保持超寫實畫質、流暢演繹大幅度動作、原生鏡頭切換等特性的基礎上，讓模型能夠捕捉到豐富的視覺和語義信息，并結合圖像、文本、音頻和姿態等多種輸入條件，實現對生成視頻的多維度控制。

混元視頻生成模型開源以來，一直保持較高的熱度，去年12 月登頂huggingface全站趨榜第一，目前Github平臺上Star數超過8.9K。多位開發者自發制作基于社區Hunyuanvideo的插件與衍生模型，積累超過 900 個衍生版本。更早開源的混元DiT文生圖模型，在國內外衍生模型數量多達1600多個。