Framework de geração de vídeos para modelos Diffusion Transformer, capaz de criar vídeos em resoluções flexíveis e a partir de imagens, com suporte ao treinamento de modelos base e LoRA.
2,3 mil198PythonApache-2.0Atualizado anteontem
Tencent-Hunyuan/HunyuanVideo
Modelo de base open source de geração de vídeo da Tencent, com 13 bilhões de parâmetros, que cria vídeos a partir de prompts de texto.
Alternativa open source a:Runway
Luma Dream Machine
- Estrelas
- 12,646
- Forks
- 1,358
- Issues abertas
- 187
- Último commit
- há 14 dias
O que é?
HunyuanVideo é um modelo open source de geração de vídeo da Tencent, lançado com definições de modelos em PyTorch, pesos pré-treinados e código de inferência. Ele gera vídeos a partir de prompts de texto e usa um diffusion transformer que opera em um espaço latente comprimido por um VAE 3D causal.
O modelo usa um large language model multimodal como codificador de texto, em vez dos codificadores CLIP e T5 comuns em sistemas anteriores de geração de vídeo a partir de texto. Ele também inclui um modelo opcional de reescrita de prompts, baseado no Hunyuan-Large, com os modos Normal e Master, que ajustam os prompts para refletir a intenção ou melhorar a qualidade visual.
O repositório inclui inferência em uma única GPU com uma ferramenta de linha de comando ou um servidor web Gradio, inferência paralela em várias GPUs por meio do xDiT e pesos quantizados em FP8 para reduzir o uso de memória da GPU. A configuração padrão de 720p e 129 frames requer cerca de 60 GB de memória da GPU e foi testada no Linux com GPUs NVIDIA.
Recursos principais
- 01Gera vídeos a partir de prompts de texto usando uma arquitetura diffusion transformer.
- 02Usa um LLM multimodal decoder-only como codificador de texto.
- 03Oferece um VAE 3D causal que comprime o vídeo em um espaço latente compacto.
- 04Oferece suporte à inferência paralela em várias GPUs via xDiT e USP.
- 05Disponibiliza pesos quantizados em FP8, que economizam cerca de 10 GB de memória da GPU.
- 06Inclui uma demonstração web em Gradio e um script de amostragem para linha de comando.
Casos de uso
- Pesquisadores que experimentam modelos open source de geração de vídeo a partir de texto.
- Desenvolvedores que querem hospedar a geração de vídeo em suas próprias GPUs NVIDIA.
- Equipes que desenvolvem recursos de geração de vídeo e precisam de fine-tuning ou pipelines personalizados.
- Criadores que testam localmente a geração de vídeo a partir de texto por meio de uma interface Gradio.
Início rápido
- 1
Clone o repositório e siga o guia de instalação para Linux no README
- 2
Baixe os pesos do modelo pré-treinado conforme descrito no README
- 3
Execute a inferência com uma única GPU pela linha de comando, conforme descrito no README
Antes de usar
- O modelo de 13B parâmetros precisa de uma GPU potente, e o README indica pesos FP8 para reduzir o uso de memória.
- Os metadados não informam uma licença clara; confira os termos da licença antes de usar o modelo comercialmente.
Em coleções
Tópicos
Perguntas frequentes
- O que é HunyuanVideo?
- Modelo de base open source de geração de vídeo da Tencent, com 13 bilhões de parâmetros, que cria vídeos a partir de prompts de texto. HunyuanVideo é um modelo open source de geração de vídeo da Tencent, lançado com definições de modelos em PyTorch, pesos pré-treinados e código de inferência. Ele gera vídeos a partir de prompts de texto e usa um diffusion transformer que opera em um espaço latente comprimido por um VAE 3D causal.
- HunyuanVideo é gratuito? Qual é a licença?
- HunyuanVideo é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
- HunyuanVideo ainda é mantido?
- Manutenção ativa. O último commit de HunyuanVideo foi em 8 de out. de 2026.
- Para que posso usar HunyuanVideo?
- Pesquisadores que experimentam modelos open source de geração de vídeo a partir de texto. Desenvolvedores que querem hospedar a geração de vídeo em suas próprias GPUs NVIDIA. Equipes que desenvolvem recursos de geração de vídeo e precisam de fine-tuning ou pipelines personalizados. Criadores que testam localmente a geração de vídeo a partir de texto por meio de uma interface Gradio.
- Como instalar HunyuanVideo?
- Clone o repositório e siga o guia de instalação para Linux no README Baixe os pesos do modelo pré-treinado conforme descrito no README Execute a inferência com uma única GPU pela linha de comando, conforme descrito no README
- Onde consigo HunyuanVideo?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Tencent-Hunyuan/HunyuanVideo
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Modelos generativos de vídeo open source em larga escala para texto para vídeo, imagem para vídeo, fala para vídeo e animação de personagens.
IA e Machine Learning#video-generation#text-to-video#image-to-video#diffusion-model#mixture-of-experts
18,1 mil2,4 milPythonApache-2.0Atualizado mês passado
Biblioteca PyTorch de modelos de difusão pré-treinados, schedulers de ruído e componentes para geração de imagens, vídeos e áudio.
34,8 mil7,4 milPythonApache-2.0Atualizado há 5 horas
Base de código open source para geração eficiente de imagens e vídeos em alta resolução com diffusion transformers lineares, incluindo pipelines de treinamento e inferência.
9,6 mil769PythonApache-2.0Atualizado anteontem
GUI em grafo de nós, API e backend para executar modelos de difusão localmente e gerar imagens, vídeos, áudio e conteúdo 3D.
IA e Machine Learning#stable-diffusion#diffusion-models#node-editor#image-generation#video-generation
142 mil16,7 milPythonGPL-3.0Atualizado há 7 horas
Suíte de benchmark e toolkit de avaliação que pontua modelos generativos de texto para vídeo e imagem para vídeo em diversas dimensões de qualidade e semântica.
1,8 mil135PythonApache-2.0Atualizado há 2 meses