迄今最大视频开源模型！腾讯混元文生视频上线：一句话生成视频

12月3日消息，今日，腾讯混元大模型宣布文生视频功能上线，一句话就能生成视频。

此次开源的视频生成大模型，参数量130亿，是当前最大的视频开源模型。

目前，该模型已在Hugging Face平台及Github上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费使用和开发生态插件。

大家可在腾讯元宝APP-AI应用-AI视频中提交申请试用，企业客户可通过腾讯云提供服务接入，API同步开放内测申请。

据了解，目前生成视频支持中英文双语输入、多种视频尺寸以及多种视频清晰度。

腾讯混元视频生成大模型可以生成超写实的高质量视频，比如，像冲浪、跳舞这种大动作场景，生成的画面自然合理，不容易变形。

在镜面或镜子场景中，可以做到镜面反射动作和外面完全同步，光影反射基本符合物理规律。

据腾讯介绍，腾讯混元视频生成大模型采用DiT架构，并在架构设计上进行多处升级。

适配了新一代文本编码器提升语义遵循，其具备强大的语义跟随能力，更好地应对多个主体描绘，实现更加细致的指令和画面呈现。

通过先进的图像视频混合VAE（3D变分编码器），让模型在细节表现有明显提升，特别是小人脸、高速镜头等场景。