HunyuanVideo（混元视频）：视频生成器 — 功能与运行要求

HunyuanVideo（混元视频）是腾讯推出的开源视频生成器，解决 text-to-video 任务。该工具基于 diffusion-transformer 构建，用于根据文本描述生成视频片段。

功能

作者将该项目定位为大规模视频生成的系统框架。仓库中并未披露具体的质量指标或支持的风格。从项目标签可以看出，其基础是 diffusion-models 和 diffusion-transformer。源代码使用 Python 编写，可供研究和修改。

运行要求

• 平台：据作者描述，需要支持 CUDA 的 NVIDIA 显卡。
• 显存：作者给出的最低要求为——720x1280（129 帧）需要 60 GB，544x960（129 帧）需要 45 GB。
• 许可证：代码和模型权重按 Tencent Hunyuan Community License 分发：允许商用，但欧盟、英国和韩国除外。
• 模型：可在 Hugging Face 获取，代码在 GitHub 上。

适用人群

该工具面向拥有强大算力资源的研究人员和开发者。最高分辨率需要 60 GB 显存，这一要求将大多数消费级显卡排除在外。该项目适合那些愿意使用开源代码、考虑 Tencent Hunyuan Community License 限制并自行配置环境的用户。如需快速了解，网站 aivideo.hunyuan.tencent.com 提供了云服务版本——无法在本地运行。

HunyuanVideo（混元视频）作为用于视频生成的 diffusion-transformer 开源实现颇具价值，但较高的硬件门槛以及 Tencent Hunyuan Community License 的限制，在将其引入工作流程之前需要加以注意。