腾讯混元大模型团队正式发布了其最新视频生成模型 HunyuanVideo1.5，标志着视频生成技术的又一重要突破。这款基于 Diffusion Transformer（DiT）架构的轻量级模型，参数量达8.3B，能够生成5至10秒的高清晰度视频，已在腾讯的「元宝」平台上线，向用户开放体验。

HunyuanVideo1.5支持多种生成方式，用户可以通过输入文字描述（Prompt）实现 “文生视频”，也可以通过上传图片与文字结合，轻松将静态图像转化为动态视频。这一创新技术不仅满足了中英文输入的需求，还展示了图像与视频的一致性，确保生成视频在色调、光影、场景、主体及细节等方面与原图高度匹配。

在具体应用中，用户可以根据提示词生成复杂的场景。例如，一则提示词描述了一只手提箱里如何生长出迷你英式花园，模型能够精准呈现这一过程，表现出高水平的指令理解与遵循能力。此外，HunyuanVideo1.5支持写实、动画等多种风格，能够在视频中生成中英文文字，极大地丰富了内容创作的可能性。

技术上，HunyuanVideo1.5采用了创新的 SSTA 稀疏注意力机制，显著提升了推理效率，并结合多阶段渐进式训练策略，在运动连贯性和语义遵循等关键维度达到了商用水平。这一模型的部署门槛显著降低，只需14G 显存的消费级显卡即可流畅运行，使每位开发者和创作者都能参与到视频生成的创新中。

据悉，此前视频生成领域的开源 SOTA 旗舰模型通常要求超过20B 的参数和50GB 显卡的支持，HunyuanVideo1.5的发布不仅在生成效果上实现了质的飞跃，同时也在性能与尺寸之间找到了平衡。目前，模型已上传至 Hugging Face 和 GitHub，欢迎广大开发者下载体验。