130 億參數，是當前最大的視頻開源模型。

原標題：發(fā)布即開源，又一大廠入局 AI 視頻生成
文章來源：特工宇宙
內容字數：2989字

騰訊科技發(fā)布AI視頻生成大模型：混元的崛起

在過去的一年中，AI視頻技術快速發(fā)展，吸引了眾多關注。昨日，騰訊科技發(fā)布了一篇名為《AI 視頻的后 Sora 時代》的文章，深入探討了這一領域的進步與變化。文章不僅回顧了Sora的影響力，也展示了國內團隊在AI視頻生成方面的卓越貢獻，令人欣慰。

混元的驚喜發(fā)布

就在大家對AI視頻技術充滿期待之時，騰訊混元發(fā)布了其全新的視頻生成大模型，并決定開源。我們有幸獲得了內測資格，盡管生成視頻的長度僅為五秒，但其質量和信息量卻讓我們大為驚嘆。這一模型的表現不僅超乎我們的預期，更為我們展示了AI視頻生成的無限可能。

出色的生成效果

混元模型生成的視頻不僅具備高清質感和真實感，還展現出流暢自然的動作和強大的指令遵循能力。這與之前使用的模型形成了鮮明對比，混元更像是“別人家的孩子”，無論在指令理解還是畫面表現上都表現得相當優(yōu)秀。此外，支持原生多角度視角切換的功能讓我們感受到其靈動性，測試過程中同事甚至誤以為我在觀看電視劇。

技術創(chuàng)新的背后

混元模型之所以能夠取得如此出色的效果，主要歸功于以下三個創(chuàng)新：

1. 新一代語言模型的適配：混元模型采用了最新的多模態(tài)大語言模型（MLLM）作為文本編碼器，使其在處理復雜場景描述時展現出強大的語義理解能力。
2. 自研3D視覺編碼器：該技術支持混合圖片和視頻訓練，優(yōu)化了編碼器訓練算法，顯著提升了視頻在細節(jié)呈現方面的表現，尤其是在快速動作和面部細節(jié)方面。
3. 全注意力機制的應用：這一機制確保了視頻每一幀的無縫銜接，使得視頻流暢性和主體一致性得到了有效保障。

開放與合作的未來

騰訊混元已將這款視頻生成大模型進行了開源，包含模型權重、推理代碼等完整資源，供企業(yè)和個人進行開發(fā)和應用。總參數量高達130億，使其成為當前最大的視頻開源模型。在與國內外頂尖模型的對比中，混元在多個維度的表現均領先，尤其在人物和人造場景方面更是表現突出。

這一切令人期待，如果你也想體驗這一技術的魅力，可以通過騰訊元寶APP提交申請試用。此外，企業(yè)客戶還可以通過騰訊云進行服務接入，API也已開放內測申請。

結語

混元視頻生成大模型的發(fā)布不僅是AI視頻技術的一次重要進步，更是國內團隊在國際舞臺上的一次亮相。未來，隨著技術的不斷發(fā)展與開源生態(tài)的完善，我們有理由相信AI視頻生成將迎來更廣闊的應用前景。

聯系作者

文章來源：特工宇宙
作者微信：
作者簡介：Agent Universe，專注于智能體的AI科技媒體。