腾讯混元视频生成大模型上线开源，它在评测中的表现如何？

腾讯混元视频生成大模型上线

上线情况

12月3日，腾讯混元视频生成大模型正式上线。此前混元大模型已推出多种能力，此次视频生成能力的推出，补齐了混元系列大模型的重要一块。这一模型的推出标志着腾讯在人工智能领域的持续拓展。

开源情况

腾讯宣布开源该视频生成大模型，参数量达130亿个，是当前最大的视频开源模型。通过腾讯元宝App能使用该功能，不过前期需要申请。其在HuggingFace平台及Github发布完整模型，可供免费使用与开发插件。

评测表现优秀的体现

输入与输出特点

记者体验得知，用户输入一段描述就能生成视频，支持中英文双语输入、多种尺寸和清晰度。这一操作方式和多数视频生成大模型相似，但也有自身的优势。

多维度领先

腾讯将混元视频生成大模型与其他顶尖模型评测对比，在文本视频一致性、运动质量和画面质量等多维度效果领先。例如能生成超写实画质、符合提示词的画面且流畅不易变形。

场景表现出色

在人物、人造场所等场景下表现尤为出色。像在冲浪、跳舞等大幅度运动画面生成中，镜头流畅合理，物体不易变形，光影反射符合物理规律，还能自动切镜头，这是很多模型不具备的。

在竞争赛道中的地位

赛道竞争状况

自OpenAI发布Sora后，视频生成大模型赛道竞争激烈。国内也有众多企业相继推出相关模型，如字节跳动、商汤等。腾讯虽不是最早推出的企业，但产品性能表现不错。

自身优势体现

腾讯混元视频生成大模型最长可生成16秒视频，和Meta相当。其领先能力源于技术创新，采用类似Sora的DiT架构并升级，还有适配的文本编码器等多种先进技术。

商业场景应用

可用于工业级商业场景，如广告宣传、动画制作等。已有多家媒体在内部测试阶段用于创意视频制作，制作出多部优秀作品。

混元系列大模型全面开源的意义

开源吸引开发力量

大模型开源可吸引全球开发者参与改进优化，国内外已有不少开源大模型。腾讯混元系列之前已开源部分模型，此次视频生成大模型开源后实现全面开源。

助力行业创新步伐

基于开源模型，开发者和企业无需从头训练，可直接推理，还能打造专属应用和服务，能节约人力和算力，从而加速行业创新发展。

相关问答

腾讯混元视频生成大模型如何使用？

可以通过腾讯元宝App，先后点击“AI应用”“AI视频”来使用，但前期需要申请。

腾讯混元视频生成大模型在评测中哪方面表现最好？

在文本视频一致性、运动质量和画面质量多个维度效果领先，特别是在人物、人造场所等场景下表现尤为出色。

腾讯混元视频生成大模型开源有什么好处？

可供企业与个人开发者免费使用和开发生态插件，吸引全球开发者参与改进优化，加速行业创新步伐。

腾讯混元视频生成大模型的技术创新点有哪些？

使用类似Sora的DiT架构并多处升级，适配新一代文本编码器，采用统一全注意力机制，还有先进的图像视频混合VAE。

腾讯混元视频生成大模型能用于哪些商业场景？

可用于广告宣传、动画制作、创意视频生成等工业级商业场景。

与其他视频生成大模型相比，腾讯混元的优势是什么？

其在多维度评测中领先，最长可生成16秒视频，具备多种技术创新，在一些场景下有独特表现，如自动切镜头等。