每經(jīng)記者：黃婉銀每經(jīng)編輯：張海妮
12月3日，騰訊混元大模型公布最新進展：正式上線視頻生成能力，這是繼文生文、文生圖、3D生成之后的又一里程碑。與此同時，騰訊開源該視頻生成大模型，參數(shù)量130億，是當前最大的視頻開源模型。
“用戶只需要輸入一段描述，即可生成視頻�！彬v訊混元相關負責人透露，目前的生成視頻支持中英文雙語輸入、多種視頻尺寸以及多種視頻清晰度。目前該模型已上線騰訊元寶App，用戶可在AI應用中的“AI視頻”板塊申請試用。企業(yè)客戶通過騰訊云提供服務接入，目前API同步開放內(nèi)測申請。
《每日經(jīng)濟新聞》記者從上述負責人處了解到，作為視頻模型，騰訊混元團隊當初在進行設計時，在動作流暢性和大幅度動作上花費了很多心思。另外，現(xiàn)在很多視頻模型有個共同的問題就是在大幅運動的時候會出現(xiàn)畫面抖動，這個難題也是當時其著力解決的事情。
“我們這次模型是全部開源的，遵從混元結構體系，希望豐富社區(qū)，我們的算法模型、加速工程都會開放給社區(qū)，包括之后的圖聲視頻、驅動綁定和配樂都會按節(jié)奏去做開源�，F(xiàn)在（AI）視頻生成其實差距還比較大，特別是在文生視頻領域，成熟度其實遠沒有到大家想象中那么高。”上述負責人告訴記者，一個月前就已經(jīng)把視頻生成模型訓練完畢，現(xiàn)在對外發(fā)布也是水到渠成。
目前，騰訊宣布開源該視頻生成大模型已在HuggingFace平臺及Github上發(fā)布，包含模型權重、推理代碼、模型算法等完整模型，可供企業(yè)與個人開發(fā)者免費使用和開發(fā)生態(tài)插件。
自年初以來，騰訊混元系列模型的開源速度不斷加快。此前，騰訊混元已經(jīng)開源了旗下文生文、文生圖和3D生成大模型。至此，騰訊混元系列大模型已實現(xiàn)全面開源。
上述負責人補充稱，目前文生視頻仍處于著重進行技術打磨的階段。在此階段推出相關成果，也是期望對外開源，希望與社區(qū)一起協(xié)作，促使這項技術早日達到像圖像生成那樣真正可用的狀態(tài)，當下談論商業(yè)化還為時過早。
每日經(jīng)濟新聞
