腾讯混元视频生成技术：以多模态AI降低高质量视频制作门槛

应对传媒行业视频内容生产的效率与成本挑战

传媒行业面临高质量视频内容需求激增与制作成本高、周期长的核心矛盾。传统视频制作依赖专业团队与复杂后期，难以满足快速、批量的内容生产需求。企业亟需能够降低技术门槛、提升内容生成效率的智能化解决方案。

混元视频生成提供四大核心生成能力与多元化产品应用

腾讯混元视频生成模型基于扩散模型构建，通过文本、图像等多模态输入直接生成视频。其核心能力包括：

1. 文生视频：根据文本提示词生成视频，支持1:1、16:9、9:16等多种宽高比及不同时长。
2. 图生视频：输入任意尺寸图片，生成主体细节一致且动作合理的视频。
3. 图文生视频：结合图片与文本提示，生成指定动作的视频。
4. 视频生视频：对输入视频进行风格化、区域重绘、画布扩展等处理。

基于核心能力，衍生出视频风格化、跳舞视频、运动笔刷、区域重绘、画布扩展、艺术字特效等多种产品化应用。

实现高分辨率、长时长视频的稳定生成

该技术已能支持实际应用，关键效果指标体现在：

• 分辨率支持：可生成1K至4K分辨率的高清视频。
• 时长支持：视频风格化等应用支持最长15秒视频的生成与处理。
• 实际案例：已应用于《人民日报》两会宣传片《江山如此多娇》等长视频内容的生成。

《人民日报》借助混元技术高效完成重大主题宣传

在《江山如此多娇》宣传片制作中，腾讯混元视频生成技术帮助《人民日报》团队快速将创意文案转化为高质量视频内容，显著缩短了传统复杂动画的制作周期，保障了重大主题宣传的时效性。

选择腾讯混元：依托强大时空建模与中文语料优化攻克行业难点

腾讯混元视频生成技术的优势源于其对行业难点的针对性突破：

• 技术领先性：采用更强的时空建模能力，有效解决视频生成中的动作合理性与画面连贯性问题。
• 数据与语义优势：通过构建更广泛的语料库，尤其在中文和中国元素理解上进行了深度优化，提升语义对齐准确性。
• 画质保障：采用图视一体的生成式超分技术，避免传统超分导致的闪烁问题，确保输出视频的画质细节与人脸、肢体的自然度。

来源：腾讯云智慧传媒TECHDAY，分享嘉宾王红法（混元视频生成技术负责人）。