HunyuanVideo

定义

HunyuanVideo 是腾讯混元大模型团队开发的开源视频基础模型，属于扩散模型一类，主要用于根据文字或图片生成视频。研发团队在 2024 年 12 月发布的技术报告中把它定义为一套系统性框架，内容涵盖数据整理、网络结构设计、渐进式训练扩展以及大规模训练推理所需的基础设施^[1]。

初版模型的参数量超过 130 亿，团队称其是当时所有开源视频生成模型中体量最大的一个，并同时公开了模型权重与推理代码^[1][2]。其定位是缩小开源模型与闭源商用视频模型之间的能力差距，让企业及个人开发者不必从零训练即可开展推理和二次开发^[2]。

原理

HunyuanVideo 使用扩散 Transformer（DiT）作为主干，并在时间与空间维度上采用统一的全注意力机制处理画面序列。初版采用“双流到单流”的混合结构：前段让视频标记与文本标记各自经过若干 Transformer 层独立处理，后再把两类标记拼接，交给后续层完成多模态信息融合^[4]。

像素数据先由因果三维变分自编码器（Causal 3D VAE）压缩到隐空间，时间、空间和通道的压缩比分别为 4、8 和 16，从而显著减少参与注意力计算的标记数量^[4]。文本侧使用以解码器结构为主的多模态大语言模型作为编码器，替代常见的 CLIP 加 T5 组合，用来改善图文对齐和复杂指令理解，并另加一个双向标记精炼器加强文本特征^[4]。

生成阶段由隐空间中的加噪数据出发，以扩散或流匹配的方式迭代去噪，得到的隐变量再经 3D VAE 解码器还原为视频画面^[4]。团队还以混元大模型微调出一个提示词改写模型，可以把用户简短输入扩写为对构图、光照和运镜描述更充分的文本，并提供普通和大师两种模式^[4]。

发展历程

2024 年 12 月 3 日，腾讯混元大模型上线视频生成能力，并同步开源这一参数量 130 亿的视频生成模型，模型权重、推理代码和算法一并发布在 Hugging Face 与 GitHub 上^[5]。当时该模型已在腾讯元宝应用中以“AI 视频”板块开放试用，企业用户可通过腾讯云接入，接口处于内测申请阶段^[2]。

同期发布的技术报告介绍了 1533 条提示词、逾 60 名专业评测人员参与的对比评估，结果显示该模型整体表现在参评模型中居首，运动质量维度尤为突出^[4]。2025 年 11 月 21 日，团队又推出并开源 HunyuanVideo 1.5，参数量降至 8.3B，可在 14G 显存的消费级显卡上运行，并已在腾讯元宝上线文生视频与图生视频入口^[3][6]。

HunyuanVideo 1.5 引入选择性滑动分块注意力（SSTA）机制，对冗余时空数据块做动态剪枝以降低长序列计算开销，同时采用多阶段渐进式训练；官方称其可原生生成 5 至 10 秒的 480p 与 720p 视频，并可经超分模型提升至 1080p^[7][6]。

应用

在消费端，腾讯元宝提供两种生成方式：输入文字描述直接生成视频，或上传图片配合文字说明把静态图转为动态画面^[6]。面向企业，腾讯云提供提交混元生视频任务的接口，可按提示词与输入图片生成视频，输出分辨率目前为 720p，并在画面右下角默认添加“AI 生成”标识^[8]。

在行业场景中，混元视频生成技术被用于媒体内容制作，例如为人民日报客户端的两会宣传片提供长视频生成支持。开源权重也使其成为社区微调与二次开发的基础模型，衍生出面向虚拟人、风格化等方向的应用^[4]。

局限

初版模型对算力要求较高，参数量超过 130 亿，部署需要较强的显卡资源；正因如此，团队在 1.5 版本中把参数压到 8.3B 以降低门槛^[3][1]。

生成时长有限制，1.5 版本原生输出为 5 至 10 秒的短片，1080p 画质需借助超分模型而非原生生成^[6]。在运动连贯性、主体数量和复杂语义等维度上，模型仍需靠提示词改写等手段辅助，用简短提示词直接生成的画面质量与语义一致性可能不足^[4]。

使用条款对用途设有约束：模型采用腾讯混元社区许可协议，不得用于改进其他人工智能模型，且不得在指定区域之外使用、复制或分发^[9]。生成内容的后续使用责任由使用者承担^[9]。

参见

• 扩散模型 —— HunyuanVideo 属于此类以迭代去噪为核心的生成模型。

• Transformer —— 该模型主干网络采用扩散 Transformer 结构。

• 变分自编码器 —— 模型以因果三维变分自编码器完成画面压缩与解码。

• 文生视频 —— 该模型最主要的功能方向。

• 腾讯混元大模型 —— HunyuanVideo 属于其多模态能力的一部分。