130 亿参数，是当前最大的视频开源模型。
腾讯科技发布AI视频生成大模型：混元的崛起
在过去的一年中，AI视频技术快速发展，吸引了众多关注。昨日，腾讯科技发布了一篇名为《AI 视频的后 Sora 时代》的文章，深入探讨了这一领域的进步与变化。文章不仅回顾了Sora的影响力，也展示了国内团队在AI视频生成方面的卓越贡献，令人欣慰。
混元的惊喜发布
就在大家对AI视频技术充满期待之时，腾讯混元发布了其全新的视频生成大模型，并决定开源。我们有幸获得了内测资格，尽管生成视频的长度仅为五秒，但其质量和信息量却让我们大为惊叹。这一模型的表现不仅超乎我们的预期，更为我们展示了AI视频生成的无限可能。
出色的生成效果
混元模型生成的视频不仅具备高清质感和真实感，还展现出流畅自然的动作和强大的指令遵循能力。这与之前使用的模型形成了鲜明对比，混元更像是“别人家的孩子”，无论在指令理解还是画面表现上都表现得相当优秀。此外，支持原生多角度视角切换的功能让我们感受到其灵动性，测试过程中同事甚至误以为我在观看电视剧。
技术创新的背后
混元模型之所以能够取得如此出色的效果，主要归功于以下三个创新：
- 新一代语言模型的适配：混元模型采用了最新的多模态大语言模型（MLLM）作为文本编码器，使其在处理复杂场景描述时展现出强大的语义理解能力。
- 自研3D视觉编码器：该技术支持混合图片和视频训练，优化了编码器训练算法，显著提升了视频在细节呈现方面的表现，尤其是在快速动作和面部细节方面。
- 全注意力机制的应用：这一机制确保了视频每一帧的无缝衔接，使得视频流畅性和主体一致性得到了有效保障。
开放与合作的未来
腾讯混元已将这款视频生成大模型进行了开源，包含模型权重、推理代码等完整资源，供企业和个人进行开发和应用。总参数量高达130亿，使其成为当前最大的视频开源模型。在与国内外顶尖模型的对比中，混元在多个维度的表现均领先，尤其在人物和人造场景方面更是表现突出。
这一切令人期待，如果你也想体验这一技术的魅力，可以通过腾讯元宝APP提交申请试用。此外，企业客户还可以通过腾讯云进行服务接入，API也已开放内测申请。
结语
混元视频生成大模型的发布不仅是AI视频技术的一次重要进步，更是国内团队在国际舞台上的一次亮相。未来，随着技术的不断发展与开源生态的完善，我们有理由相信AI视频生成将迎来更广阔的应用前景。
联系作者
文章来源：特工宇宙
作者微信：
作者简介：Agent Universe，专注于智能体的AI科技媒体。