12月3日，备受外界重视的腾讯混元大模型发布最新进展：继年头文生文、文生图、3D生成之后，在2024年年尾正式上线视频生成才能。一起，腾讯宣告开源该视频生成大模型，参数量130亿，是当时最大的视频开源模型。

  “用户只需输入一段描绘，即可生成视频。”腾讯混元相关负责人泄漏，现在生成视频支撑中英文双语输入、多种视频尺度以及多种视频清晰度。

  该模型已上线腾讯元宝APP，用户可在AI运用中的“AI视频”板块请求试用。企业客户经过腾讯云供给服务接入，现在API同步敞开内测请求。

  在与国表里多个顶尖模型的评测比照显现，混元视频生成模型在人物、人工场所等场景下体现尤为超卓。

  比方，在冲浪、跳舞等大幅度运动画面的生成中，腾讯混元能够生成十分流通、合理的运动镜头，物体不易出现变形；光影反射根本契合物理规则，在镜面或许照镜子场景中，能做到镜面表里动作共同。一起，模型还能轻松完成在画面主角坚持不变的情况下主动切镜头，这是业界大部分模型所不具有的才能。

  大模型视频开麦拉从波浪内部穿越而出，捕捉阳光透过海水的瞬间。水花在空中构成完美弧线，冲浪板划过水面留下轨道。最终定格在冲浪者穿越水帘的完美瞬间。

  此外，混元的领先要源于其技术创新。其根据跟Sora相似的DiT架构，并在架构规划上进行多处晋级。混元视频生成模型适配了新一代文本编码器提高语义遵从，其具有强壮的语义跟从才能，更好地应对多个主体描绘，完成更详尽的指令和画面出现；选用共同的全注意力机制，使得每帧视频的联接更为流通，并能完成主体共同的多视角镜头切换；经过先进的图画视频混合VAE（3D 变分编码器），让模型在细节体现有显着提高，特别是小人脸、高速镜头号场景。

  此外，腾讯混元视频生成模型画面具有高质感，可用于工业级商业场景例如广告宣传、动画制造、构思视频生成等场景。此前，《人民日报》、央视网、新华社、《羊城晚报》《南方都市报》等多家媒体，现已率先将腾讯混元视频生成才能用于构思视频制造，制造了多部优秀作品。

  现在，腾讯宣告开源该视频生成大模型已在 Hugging Face 渠道及 Github 上发布，包括模型权重、推理代码、模型算法等完好模型，可供企业与个人开发者免费运用和开发生态插件。自年头以来，腾讯混元系列模型的开源速度不断加速。此前，腾讯混元现已开源了旗下文生文、文生图和3D生成大模型。

  至此，腾讯混元系列大模型已完成全面开源。一起，国内6个大模型干流厂商，已有4家推出世视频才能的大模型。