重點摘要
Hunyuan Video 是一款 AI 文字轉影片生成器，擅長將文字提示轉換為電影級品質的影片。
該模型可生成最高 **1024x576 像素 **、長達 16 秒 的影片。
它支援不同等級的 GPU，即使較低 VRAM（最低 24GB）仍會影響影片品質與生成速度。
Hunyuan Video 是由騰訊開發的新穎開源影片基礎模型，專為從文字描述生成高品質影片而設計。其整合了數據策展、圖像-影片聯合模型訓練與高效基礎設施，有助於大規模模型訓練與推論。Hunyuan Video 旨在縮小封閉原始碼與開源影片基礎模型之間的差距，讓社群能夠實驗 AI 驅動的影片創作。
立即在 Novita AI 上開始免費試用。若要整合 Hunyuan Video API，請造訪我們的開發者文件了解更多詳情。
開源可用性
Hunyuan Video 以 新穎的開源 ** 影片基礎模型脫穎而出，這是為了 ** 普及 ** 先進 AI 影片生成技術的有意之舉。騰訊釋出該模型的程式碼與權重，旨在 ** 縮小 專有封閉原始碼替代方案與開源社群之間的差距。
僅支援文字轉影片
Hunyuan Video 被定位為文字轉影片（T2V）模型。圖像轉影片模型的釋出已被延後，預計可能在未來推出。
硬體需求
考量以上幾點，硬體需求對個人使用者來說相對較高，但與一些競爭的 AI 影片生成模型相比 更為可行。
基本需求：
• VRAM：最低 24GB，建議 45GB，最佳 80GB
• GPU：支援 CUDA 的 NVIDIA GPU
• RAM：32GB
• 儲存空間：100GB 可用空間
解析度 vs VRAM：
• 720p（1280x720）：60GB VRAM
• 544p（960x544）：45GB VRAM
模型架構與關鍵創新
統一生成框架
• 採用先進的 Transformer 與 Full Attention
• 獨特的「雙流到單流」設計
• 無縫融合影片與文字處理
來自 Hunyuan
增強語言理解
• 由多模態大語言模型（MLLM）驅動
• 僅解碼器（Decoder-Only）結構擅長細節理解
• 相較傳統 CLIP/T5 模型，具有更優的圖像-文字對齊能力
來自 Hunyuan
高效影片處理
• 先進的 3D VAE 搭配 CausalConv3D
• 最佳化的潛在空間壓縮
• 在原始解析度/幀率下保持高品質
來自 Hunyuan
智慧提示系統
• 內建提示最佳化引擎
• 兩種模式：Normal（基本）與 Master（詳細）
• 自動重新格式化使用者輸入以獲得最佳結果
比較
VBench 是一個強大且全面的基準測試套件，旨在評估影片生成模型。它將「影片生成品質」分解為分層、解耦且特定的維度，每個維度都配備了量身打造的提示與評估方法。主要評估指標包括：
- 大動作生成
- 人體偽影
- 像素級穩定性
- 身份一致性
- 物理合理性
- 平滑度
- 綜合圖像品質
- 場景生成品質
- 風格化能力
- 單一物體準確度
- 多個物體準確度
- 空間位置準確度
- 攝影機控制
- 動作指令跟隨
目前尚無針對 Hunyuan 的權威 VBench 評估，僅有 Hunyuan 自己在 GitHub 上進行的實驗。以下是他們的測試方法：
為了評估 Hunyuan Video 的效能，他們從封閉原始碼的影片生成模型中選取了五個強基準。他們使用 1,533 個文字提示，以 HunyuanVideo 一次性生成相同數量的影片樣本。為確保公平性，他們只進行一次推論，避免挑選結果。在與基準方法比較時，他們對所有選定模型使用預設設定，以保持一致的影片解析度。影片根據三個標準進行評估：文字對齊、動作品質與視覺品質。超過 60 位專業評估者進行了評估。Hunyuan Video 在整體表現上最佳，尤其在動作品質方面。請注意，此評估使用的是 Hunyuan Video 的高品質版本，與目前發布的快速版本不同。
來自 Hunyuan
應用
- 為社交媒體、行銷或娛樂創作內容
- 視覺化想法或概念
- 製作教學或解說用的教育影片
- 為藝術專案進行創意實驗
- 產品示範、創意場景、角色動畫與宣傳內容
Hunyuan Video 站在 AI 驅動影片生成的前沿，提供一個強大的開源解決方案，能將文字描述轉換為逼真、高品質的影片內容。其突破性的架構，結合高效的訓練方法與對影片品質的堅定關注，已成為學術研究人員與創意專業人士的寶貴工具。作為一個由活躍社群參與支援的開源平台，Hunyuan Video 已準備好引領 AI 影片生成技術的下一次創新浪潮。
Novita AI 是全方位雲端平台，助力您的 AI 抱負。整合 API、無伺服器、GPU 實例——您所需的經濟高效工具。消除基礎設施，免費開始，讓您的 AI 願景成真。
