今天，腾讯混元发布图生视频模型并对外开源，一起上线对口型与动作驱动等玩法，并支撑生成布景音效及2K高质量视频。根据图生视频的才能，用户只需上传一张图片，并简略描绘期望画面怎么运动、镜头怎么调度等，混元即可按要求让图片动起来，变成5秒的短视频，还能主动配上布景音效。

此外，上传一张人物图片，并输入期望“对口型”的文字或音频，图片中的人物即可“说话”或“歌唱”；运用“动作驱动”才能，还能一键生成同款跳舞视频。

此次开源的图生视频模型，是混元文生视频模型开源作业的连续，模型总参数量坚持 130 亿，模型适用于多种类型的人物和场景，包含写实视频制造、动漫人物乃至CGI人物制造的生成。