腾讯混元大模型开源 全家桶再添新成员

就在刚刚，国内AI领域迎来一个重磅消息：腾讯混元大模型正式上线了视频生成能力。这标志着它在文生文、文生图、3D生成之后，又拿下了一个关键的技术高地。更引人注目的是，腾讯同步开源了这个参数量高达130亿的视频生成模型，这无疑是当前开源社区中规模最大的视频模型之一。

简单来说，用户只需输入一段文字描述，无论是中文还是英文，就能直接生成一段视频。目前，这项功能已经集成到腾讯元宝APP的“AI视频”板块，面向用户开放试用申请。而对于企业客户，相应的API接口也已通过腾讯云同步开启内测。

通过腾讯元宝APP-AI应用-AI视频即可使用该功能（前期需申请）

腾讯混元视频生成效果评测：多项指标领先

根据官方披露的评测结果，混元视频生成模型在文本与视频的一致性、运动流畅度以及画面质量等多个核心维度上，表现都相当亮眼，尤其在处理人物、建筑等复杂场景时优势明显。

从实际生成的样片来看，画面的逼真度和对提示词的遵循程度都达到了很高水准。模型能有效控制物体形变，确保动作流畅，甚至面对emoji表情这种抽象提示，也能稳定输出合理的视频内容。

具体到一些挑战性场景：比如冲浪、舞蹈这类包含大幅度动作的画面，它能生成连贯合理的镜头；在处理镜面反射时，也能基本遵循物理规律，保持镜内外动作同步。更值得一提的是，它还能在主角不变的情况下实现镜头视角的自动切换，这个功能在当前模型中并不多见。

下面几个例子，可以直观感受其生成效果：

视频由腾讯混元视频生成，提示词：200mm长焦镜头，对准一只停在栏杆上的海鸥。羽毛的纹理清晰可辨，前景的木栏杆温柔虚化。远处的落日和海平面融化成金红色的光影

视频由腾讯混元视频生成，提示词：暴风雪中，一列蒸汽火车在崎岖山间穿行，黑烟从车头直冲云霄，车厢在皑皑白雪中留下深邃轨迹，镜头以侧面追踪，捕捉机械巨兽破开风雪的磅礴气势，白雾与蒸汽交织成壮丽画卷，电影氛围，远景

视频由腾讯混元视频生成，提示词：一个隐藏的瀑布流入清澈的池塘，周围是高大的树木和绿色植物。阳光穿过树叶，在下面的岩石和水面上形成斑点。逼真，茂密森林中的宁静瀑布，宁静、阳光明媚的日子，中景

视频由腾讯混元视频生成，提示词：一位戴着复古飞行护目镜的机械师，半跪在蒸汽朋克风格的工作室里。她棕色卷发挽成发髻，零星的银色发丝闪着金属光泽。深棕色皮质工装背带裤上沾满机油污渍，袖口卷起露出布满齿轮纹身的手臂。特写她正用黄铜工具调试一只机械鸟，齿轮间冒出缕缕蒸汽，工作台上散落着铜管、发条和老式图纸。

腾讯混元视频生成技术架构：基于DiT的深度优化

能达到这样的效果，背后的技术架构是关键。混元视频生成模型采用了与Sora相似的扩散Transformer（DiT）架构，并在此基础上做了多项针对性优化。

首先，通过引入新一代文本编码器，模型对语义的理解和指令遵循能力显著增强，这让它在处理多主体、细节丰富的场景时更加得心应手。其次，采用统一的全注意力机制，不仅让视频帧间的过渡无比自然，还实现了在保持主体一致前提下的多视角切换。最后，在编码环节，其采用的图像视频混合VAE（3D变分编码器）技术，在捕捉细节上更进一步，特别是在处理人脸特写、快速运动等复杂镜头时，优势尤为突出。

腾讯混元视频模型全面开源，加速行业创新

此次开源的力度相当大。目前，模型的完整资源，包括权重、推理代码、算法细节等，均已发布在Hugging Face和Github平台上，供全球开发者免费使用与研究。

这意味着，开发者和企业无需从零开始耗费巨量算力和时间进行训练，可以直接基于这个强大的基础模型进行推理，甚至打造专属的行业应用和服务。这无疑将大幅降低视频生成技术的应用门槛，为整个行业的创新按下加速键。

回顾今年，腾讯混元模型的开源步伐明显在加快。从文生文、文生图到3D生成，再到如今的视频生成，至此，腾讯混元系列大模型已实现了全面的技术开源。这不仅仅是一次产品更新，更可能预示着AI大模型生态竞争进入了一个新的阶段。