HunyuanVideo：视频生成器——功能与运行要求

HunyuanVideo（混元视频）是腾讯公司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，旨在根据文本描述生成视频。

功能

作者将该项目定位为大规模视频生成的系统框架。仓库中未公开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 分辨率（129 帧）需 60 GB，544x960 分辨率（129 帧）需 45 GB。
• 许可证：代码采用非标准许可证（需要人工审核），模型权重标记为「other」。
• 模型：可在 Hugging Face 获取，代码在 GitHub 上。

适合谁

该工具面向拥有强大计算资源的研究人员和开发者。最高分辨率需要 60 GB 显存，这排除了大多数消费级显卡。该项目适合愿意使用开源代码、自行研究非标准许可证并配置环境的人。如需快速体验，可在网站 aivideo.hunyuan.tencent.com 上使用云服务版本——无法在本地运行。

HunyuanVideo（混元视频）作为视频生成的 diffusion-transformer 开源实现很有价值，但硬件门槛高且许可证非标准，在纳入工作流程前需要仔细研究。