继阿里的通义万相wan2.1模型之后，腾讯混元又出大招，重磅发布HunyuanVideo-I2V图生视频模型。该模型基于HunyuanVideo文生视频基础模型，利用基础模型先进的视频生成能力，将应用扩展到图像到视频的生成任务。混元研究团队还同步开源了LoRA训练代码，用于定制化特效生成，可创建更有趣的视频效果。

01 开源内容：

• HunyuanVideo-I2V的推理代码

• HunyuanVideo-I2V的模型权重

• LoRA训练脚本

代码仓库：

https://github.com/Tencent/HunyuanVideo-I2V

模型地址：

https://modelscope.cn/models/AI-ModelScope/HunyuanVideo-i2v/

02 整体架构

为利用HunyuanVideo强大的视频生成能力，研究团队采用图像潜在连接技术来有效地重建参考图像信息，并将其纳入视频生成过程。

由于使用预训练的Decoder-Only架构多模态大语言模型（MLLM）作为文本编码器，可用于显著增强模型对输入图像语义内容的理解能力，并实现图像与文本描