腾讯开源图生视频模型 HunyuanVideo-I2V ，可生成720p视频还能对口型

腾讯近日宣布开源其最新的图生视频模型 HunyuanVideo-I2V，这款参数量达 130 亿的模型，能够将静态图片快速转化为 5 秒 720P 的动态视频，并具备自动生成背景音效的能力，还包含了对口型功能，能够根据输入的音频信息，精准驱动人物图像的面部表情和口型变化，实现照片“开口说话”的生动效果，为内容创作带来更多可能性。

HunyuanVideo-I2V 模型的核心功能围绕高效的图生视频转换展开。用户只需上传一张静态图片，模型即可智能分析图像内容，并根据内置算法生成一段流畅自然的短视频。该模型不仅支持基础的图像动画化，更集成了以下关键功能：

720P 高清视频生成： 模型能够生成分辨率为 720P 的短视频，保证了视频输出的清晰度和观看体验。

自动背景音效生成： HunyuanVideo-I2V 能够根据视频内容智能匹配并生成合适的背景音效，提升视频的沉浸感和表现力。

精准对口型动画： 模型最引人注目的功能之一是其强大的对口型能力。用户上传人物照片并输入音频后，模型能够根据音频内容，驱动人物面部口型进行同步动画，实现逼真的“说话”或“唱歌”效果。这项技术为虚拟人物制作、教育内容创作等领域提供了新的工具。

尽管 HunyuanVideo-I2V 模型功能强大，但其官方发布的最低硬件需求——60GB 显存，根据模型参数量 130 亿 推算，若采用 4 位量化技术，模型理论上仅需约 7GB 显存空间。即使加上运行所需的中间变量，实际显存占用也应远低于 60GB。

目前，HunyuanVideo-I2V 的模型和代码已在 Github 等平台发布，感兴趣的开发者可以自行下载体验和测试。

HunyuanVideo-I2V 的发布，无疑为图生视频技术的发展注入了新的动力。其强大的对口型功能和开源策略，有望加速AI视频生成技术的普及应用，并推动相关领域的创新发展。模型的实际表现和硬件需求，以及开发者社区的后续反馈，将值得持续关注。