騰訊混元開源圖生影片模型：130 億引數，自帶音效與對口型

騰訊混元剛剛把自己的圖生影片模型 HunyuanVideo-I2V 開源了，連同權重、推理程式碼和 LoRA 訓練程式碼一次性全放了出來。

簡單來說，你只要給它一張靜態圖，再加上一句動作描述或運鏡指令，它就能吐出一支 5 秒長、2K 解析度的短影片，而且會自動配好對應的背景音效。

它能做什麼

除了常規的讓圖片動起來，這次開源還帶了兩個很實用的玩法：對口型和動作驅動。

如果你上傳一張人物肖像，輸入一段文字或者音訊，模型就能讓畫面裡的人物跟著節奏開口說話或者唱歌。

動作驅動則更進一步。你可以用它來做姿態遷移，比如傳一張角色的靜態立繪，就能一鍵讓它跳出指定的舞蹈動作。官方給出的範圍不僅限於真人寫實，動漫角色甚至 CGI 虛擬角色都能跑得通。

普通使用者現在可以直接去混元 AI 影片官網線上體驗，企業和開發者也可以通過騰訊雲申請 API。想在自己機器上折騰的，去 GitHub 或者 Hugging Face 搜 HunyuanVideo-I2V 就能直接拉取程式碼和權重。

模型細節與開源內容

這個圖生影片模型延續了混元文生影片的技術路線，總引數量保持在 130 億。

根據混元釋出的技術報告，圖生影片和之前的文生影片是在同一個資料集上做的預訓練。它支援結合影像、文本、音訊和姿態等多種輸入條件，以此來實現對畫面動作和原生鏡頭切換的控制。

這次開源最大的誠意在於放出了 LoRA 訓練程式碼。這意味著開發者不需要重新去啃那 130 億引數的完整預訓練，只要準備少量高質量特定畫風或動作的資料，就能在本地訓練專屬的衍生模型。

目前混元開源系列已經覆蓋了文本、影像、影片和 3D 生成，在 GitHub 上累計拿到了超過 2.3 萬個標星。

為什麼重要

開源影片生成領域一直缺一個真正好用、控制力強且帶配套工具鏈的底座。很多開源專案要麼只放演示，要麼程式碼不完整，普通開發者很難在上面做二次開發。

混元把 130 億引數的權重和 LoRA 訓練指令碼全拿出來，直接降低了社群微調影片模型的門檻。對做遊戲資產、動畫短片或者自媒體特效的創作者來說，它是一個值得立刻拿去跑一跑的本地生產力工具。

不過 130 億引數對視訊記憶體的要求並不低，想要在本地流暢跑推理甚至做 LoRA 微調，硬體門檻依然擺在那裡。我們認為，它的真正價值在於給開源生態打了一劑強心針，逼著同類商業閉源工具在控制度和定製能力上拿出更多真東西。