HunyuanVideo: генератор видео — что умеет и что нужно для запуска

HunyuanVideo — это генератор видео с открытым кодом от компании Tencent, решающий задачу text-to-video. Инструмент построен на базе diffusion-transformer и предназначен для создания видеороликов по текстовому описанию.

Что умеет

Авторы позиционируют проект как системный фреймворк для генерации видео большого объёма. Конкретные метрики качества или поддерживаемые стили в репозитории не раскрываются. Из меток проекта следует, что в основе лежат diffusion-models и diffusion-transformer. Исходный код написан на Python и доступен для изучения и модификации.

Что нужно для запуска

• Платформа: по описанию автора, требуется видеокарта NVIDIA с поддержкой CUDA.
• Видеопамять: авторы указывают минимальные требования — 60 ГБ для разрешения 720x1280 (129 кадров) и 45 ГБ для 544x960 (129 кадров).
• Лицензия: код распространяется по нестандартной лицензии (требуется ручная проверка), веса модели имеют пометку «other».
• Модель: доступна на Hugging Face, код — на GitHub.

Кому подойдёт

Инструмент ориентирован на исследователей и разработчиков, располагающих мощными вычислительными ресурсами. Требование в 60 ГБ видеопамяти для максимального разрешения отсекает большинство потребительских видеокарт. Проект будет полезен тем, кто готов работать с открытым кодом, самостоятельно разбираться в нестандартной лицензии и настраивать окружение. Для быстрого ознакомления существует облачная версия на сайте aivideo.hunyuan.tencent.com — локально её запустить нельзя.

HunyuanVideo интересен как открытая реализация diffusion-transformer для генерации видео, но высокий порог входа по оборудованию и нестандартная лицензия требуют внимательного изучения перед внедрением в рабочий процесс.