Китайська технологічна компанія Tencent анонсувала запуск HunyuanVideo — новаторської моделі генерації відео, яка має відкритий вихідний код, повідомляє Neowin. Це перша велика модель генерації відео з відкритими параметрами, що обіцяє революцію в екосистемі генерації відео.HunyuanVideo — це сучасна генеративна модель штучного інтелекту для створення відео з текстових підказок. З 13 мільярдами параметрів вона є найбільшою відкритою моделлю у своєму класі. Tencent стверджує, що HunyuanVideo:Забезпечує високу візуальну якість відео. Пропонує широкий діапазон рухів і відповідність між текстом та відео. Перевершує провідні закриті моделі, такі як Runway Gen-3 і Luma 1.6.HunyuanVideo базується на конструкції трансформера із застосуванням механізму Full Attention для уніфікованої генерації зображень і відео. Такий підхід до побудови моделі включає:Гібридну архітектуру "двопотоковий-однопотоковий". На початковому етапі текстові та відео токени обробляються окремо для оптимізації модальностей, а пізніше ці потоки об'єднуються. Комплексну інтеграцію тексту та візуальних даних.
Це дозволяє створювати відео з реалістичною динамікою та чітким відповідником до текстових запитів.Tencent провела оцінку HunyuanVideo за участю людей. Результати показали, що модель перевершує всі сучасні закриті аналоги за такими параметрами:Візуальна якість. Стабільність генерації. Різноманітність рухів.Tencent надала HunyuanVideo у відкритому доступі, включаючи вихідний код і “ваги” моделі. Це відкриває нові можливості для дослідників, стартапів і технологічних компаній, дозволяючи використовувати модель для:Розробки кастомних рішень генерації відео. Інтеграції у мультимедійні застосунки та проєкти. Розвитку технологій ШІ з акцентом на відеоконтент.Tencent оголосила, що публікація коду та параметрів базової моделі спрямована на скорочення розриву між моделями з відкритим і закритим кодом. Це допоможе зробити створення якісних відео на основі штучного інтелекту більш доступним. Відкритий код HunyuanVideo можна знайти на GitHub.
