腾讯混元大模型：130亿参数开源视频生成模型惊艳亮相

摘要： ...

腾讯混元大模型近期正式上线视频生成能力，并在腾讯元宝APP开放试用，企业客户也可通过腾讯云接入API。该模型参数量达130亿，是目前参数量最大的开源视频生成模型之一。

混元视频生成模型支持中文和英文输入，可生成5秒钟的视频，涵盖写实、动画、电影、黑白、赛博朋克等多种风格。用户可以通过指令功能精确调整景别、光线、镜头运动等细节。

该模型的优势在于：超写实风格和细节处理能力；强大的语义理解能力，能够准确理解多元化指令；流畅的多镜头转换，增强视频叙事性；以及连续动作生成的强大能力，即使在多主体、大幅度运动场景下也能保持动作连贯，主体一致。

混元采用自研3D视觉编码器和先进的图像视频混合VAE技术，优化了编码器训练算法，提升了细节呈现能力，尤其在小人脸和高速动作场景中表现突出。

在实际测试中，混元展现出优秀的语义理解能力，能够根据提示词生成符合要求的视频画面，即使是复杂场景或多人物互动，也能准确捕捉人物表情和动作细节，保持画面流畅自然。其镜头转换功能也十分出色，能够实现不同镜头间的自然切换，并保持主体一致性，展现出专业的“导演模式”。

此外，混元在连续动作生成方面也表现不俗，能够生成包含多个连续动作的视频，例如滑雪、狗狗与人的互动等场景，展现出强大的时空建模能力。

目前，混元视频生成模型的画质支持720P，并提供每日6次免费试用机会。