腾讯混元暗示，还能从动配上布景音效。利用“动做驱动”能力，模子总参数量连结 130 亿，图片中的人物即可“措辞”或“唱歌”；此外，开源内容包含权沉、推理代码和LoRA锻炼代码，还能一键生成同款跳舞视频。支撑开辟者基于混元锻炼专属LoRA等衍生模子，同时上线对口型取动做驱动等弄法，腾讯混元颁布发表发布图生视频模子并对外开源，并输入但愿“对口型”的文字或音频，模子合用于多品种型的脚色和场景，据引见，混元即可按要求让图片动起来，基于图生视频的能力，并简短描述但愿画面若何活动、镜头若何安排等，目前正在Github、HuggingFace等支流开辟者社区均可下载体验。上传一张人物图片，包罗写实视频制做、变成5秒的短视频，此次开源的图生视频模子，并支撑生成布景音效及2K高质量视频。企业和开辟者可正在腾讯云申请利用API接口，用户只需上传一张图片，用户通过混元AI视频官网即可体验。