混元文生视频

腾讯混元文生视频是腾讯推出的视频生成模型，输入一段文字描述，生成一段视频。它最受关注的一点是开源：2024 年 12 月上线时，腾讯把 130 亿参数的模型权重和推理代码一并公开，是当时参数量最大的开源视频生成模型。喜欢折腾的开发者可以自己部署和微调，普通用户则通过腾讯的产品入口直接使用。

基本介绍

混元文生视频由腾讯混元大模型团队开发，2024 年 12 月 3 日上线，是腾讯混元在文生文、文生图、3D 生成之后的新能力。模型采用全注意力 DiT 架构和自研 3D VAE，主打写实画质、语义遵从、动态流畅和原生转场，一次生成 5 秒、1080p 的片段，标准模式下生成一条大概需要 120 秒。

发展历程

2024 年 12 月 3 日，腾讯混元正式上线视频生成能力，并开源 HunyuanVideo，参数量 130 亿，包含模型权重、推理代码和模型算法，个人和企业开发者可以免费使用和开发。上线时以文生视频为主，腾讯方面表示后续不排除增加更高分辨率、图生视频和自动配乐等能力。此后团队继续迭代，推出了参数量更小的版本，用更少的算力达到接近的效果。

核心功能

• 文生视频：输入文字描述生成 5 秒、1080p 的片段，支持中英文提示词。
• 原生转场与切镜：5 秒内可自动切换镜头，并保持同一主体一致。
• 连续动作：一次完成多个连续动作，运动符合物理规律。
• 多种预设风格：写实、动画、电影、黑白、赛博朋克等可选。
• 视频配音：端到端自动生成与画面匹配的声音，鸟鸣、水流、发动机、脚步声等音效可自动补上。
• 动作与表情驱动：捕捉人体细微动作和表情并转化为驱动信号，卡通形象也能复刻表情。
• 语音驱动：用语音驱动形象，配合肢体动作和口型。
• 开源与微调：提供完整模型，可在开源社区下载并针对特定风格或主体微调。

适用人群

• 开发者与研究者：需要可本地部署、可微调的视频模型。
• 影视与广告前期：用生成片段做概念验证和分镜预演。
• 国风与文创创作者：敦煌、古风这类东方题材的表现是它的长项。
• 企业技术团队：通过云服务接入，把视频生成嵌进自己的产品。

使用方式

普通用户可以通过腾讯的产品入口申请试用，在 AI 视频板块输入提示词生成。开发者可以从开源社区下载模型自建服务，也能通过腾讯云按调用量接入。提示词写得结构化一些效果更好，把主体、场景、运动、镜头语言和氛围依次交代清楚，比一句话概括更容易出稳定的结果。

局限与注意

单条视频固定为 5 秒左右，做完整叙事要靠多段拼接，衔接处需要自己处理。腾讯方面解释过，时长受算力成本制约，属于优先满足常见需求的取舍。写实风格是它的强项，在风格化程度很高的题材上余地有限。涉及真实人物或知名 IP 形象的生成会被限制，以免侵权。自己部署开源模型对显存和运维有要求，不是拿一台普通电脑就能跑起来的事。

常见问题

混元文生视频真的开源吗？是，130 亿参数版本的模型权重、推理代码和算法都对外公开，个人和企业开发者可以免费使用。

一条能生成多长？上线版本以 5 秒为主，支持切镜，长度是按算力成本权衡后的结果。

能在自己电脑上跑吗？开源版本可以自行部署，但对硬件有要求，也需要一定的运维能力；不想折腾的话走云服务更省事。

相关导航

同一个方向还可以一并看看讯飞绘镜、剪映网页版、海螺AI，各自擅长的环节不太一样。