網(wǎng)友：最強開源視頻模型

原標題：騰訊版Sora開源后，被提速8倍！官方點贊并預(yù)告：下月上新圖生視頻
文章來源：量子位
內(nèi)容字數(shù)：2363字

FastHunyuan模型介紹

最近，F(xiàn)astHunyuan混元視頻模型的發(fā)布引起了廣泛關(guān)注。該模型的速度提升達到8倍，僅需1分鐘即可生成5秒長的視頻，顯著縮短了生成過程的步數(shù)，從原先的50步減少到6步，同時畫面細節(jié)也更加逼真。

速度與效果的對比

與普通速度的混元模型相比，F(xiàn)astHunyuan在相同的時間內(nèi)可以生成8條視頻，這一效率的提升使得視頻制作更加高效。此外，F(xiàn)astHunyuan與Sora模型的效果對比顯示，前者在物理細節(jié)理解方面表現(xiàn)更優(yōu)，尤其在處理諸如檸檬取用等細節(jié)時，F(xiàn)astHunyuan展現(xiàn)出了更強的能力。

技術(shù)原理

FastHunyuan的技術(shù)創(chuàng)新主要源于其全新的視頻DiT蒸餾配方，基于階段一致性模型（PCM）。團隊發(fā)現(xiàn)多階段蒸餾效果不佳，最終選擇了與原始PCM配置類似的單階段設(shè)置。同時，使用MixKit數(shù)據(jù)集進行蒸餾，并在訓練前對數(shù)據(jù)進行了預(yù)處理以優(yōu)化效果。

模型訓練與硬件要求

在推理階段，F(xiàn)astHunyuan支持通過FSDP、序列并行及選擇性激活檢查點進行可擴展訓練，能夠在64個GPU上近乎線性擴展。最低硬件要求為40GB GPU內(nèi)存，另外支持LoRA微調(diào)和全微調(diào)兩種方式，適應(yīng)不同用戶的硬件條件。

未來發(fā)展計劃

FastHunyuan的v0.1版本于2024年12月17日發(fā)布，未來計劃包括增加更多蒸餾方法、支持更多模型以及代碼更新等。同時，混元團隊還預(yù)告了備受期待的圖像到視頻生成功能，預(yù)計在1月份發(fā)布。

獲取資源

FastHunyuan的代碼已開源，用戶可以通過以下鏈接獲取相關(guān)資源：
GitHub: https://github.com/hao-ai-lab/FastVideo
HuggingFace: https://huggingface.co/FastVideo/FastHunyuan

此次模型的革新無疑為視頻生成領(lǐng)域帶來了新的可能，值得持續(xù)關(guān)注。

聯(lián)系作者

文章來源：量子位
作者微信：
作者簡介：追蹤人工智能新趨勢，關(guān)注科技行業(yè)新突破