HunyuanVideo 1.5 技术报告
HunyuanVideo 1.5 Technical Report
November 24, 2025
Autori: Bing Wu, Chang Zou, Changlin Li, Duojun Huang, Fang Yang, Hao Tan, Jack Peng, Jianbing Wu, Jiangfeng Xiong, Jie Jiang, Linus, Patrol, Peizhen Zhang, Peng Chen, Penghao Zhao, Qi Tian, Songtao Liu, Weijie Kong, Weiyan Wang, Xiao He, Xin Li, Xinchi Deng, Xuefei Zhe, Yang Li, Yanxin Long, Yuanbo Peng, Yue Wu, Yuhong Liu, Zhenyu Wang, Zuozhuo Dai, Bo Peng, Coopers Li, Gu Gong, Guojian Xiao, Jiahe Tian, Jiaxin Lin, Jie Liu, Jihong Zhang, Jiesong Lian, Kaihang Pan, Lei Wang, Lin Niu, Mingtao Chen, Mingyang Chen, Mingzhe Zheng, Miles Yang, Qiangqiang Hu, Qi Yang, Qiuyong Xiao, Runzhou Wu, Ryan Xu, Rui Yuan, Shanshan Sang, Shisheng Huang, Siruis Gong, Shuo Huang, Weiting Guo, Xiang Yuan, Xiaojia Chen, Xiawei Hu, Wenzhi Sun, Xiele Wu, Xianshun Ren, Xiaoyan Yuan, Xiaoyue Mi, Yepeng Zhang, Yifu Sun, Yiting Lu, Yitong Li, You Huang, Yu Tang, Yixuan Li, Yuhang Deng, Yuan Zhou, Zhichao Hu, Zhiguang Liu, Zhihe Yang, Zilin Yang, Zhenzhi Lu, Zixiang Zhou, Zhao Zhong
cs.AI
Abstract
Presentiamo HunyuanVideo 1.5, un modello open-source per la generazione di video leggero ma potente, che raggiunge una qualità visiva e una coerenza del movimento allo stato dell'arte con soli 8,3 miliardi di parametri, consentendo un'inferenza efficiente su GPU di livello consumer. Questo risultato si basa su diversi componenti chiave, tra cui una meticolosa cura dei dati, un'architettura DiT avanzata che include un'attenzione selettiva e scorrevole a riquadri (SSTA), una migliore comprensione bilingue tramite codifica testuale glyph-aware, pre-addestramento e post-addestramento progressivi e una rete efficiente per la super-risoluzione video. Sfruttando questi progetti, abbiamo sviluppato un framework unificato in grado di generare video di alta qualità da testo e da immagine per diverse durate e risoluzioni.
Esperimenti estensivi dimostrano che questo modello compatto e competente stabilisce un nuovo stato dell'arte tra i modelli open-source per la generazione video. Rilasciando il codice e i pesi del modello, forniamo alla comunità una base ad alte prestazioni che abbassa la barriera alla creazione e alla ricerca video, rendendo la generazione video avanzata accessibile a un pubblico più ampio. Tutte le risorse open-source sono disponibili pubblicamente all'indirizzo https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5.
English
We present HunyuanVideo 1.5, a lightweight yet powerful open-source video generation model that achieves state-of-the-art visual quality and motion coherence with only 8.3 billion parameters, enabling efficient inference on consumer-grade GPUs. This achievement is built upon several key components, including meticulous data curation, an advanced DiT architecture featuring selective and sliding tile attention (SSTA), enhanced bilingual understanding through glyph-aware text encoding, progressive pre-training and post-training, and an efficient video super-resolution network. Leveraging these designs, we developed a unified framework capable of high-quality text-to-video and image-to-video generation across multiple durations and resolutions.Extensive experiments demonstrate that this compact and proficient model establishes a new state-of-the-art among open-source video generation models. By releasing the code and model weights, we provide the community with a high-performance foundation that lowers the barrier to video creation and research, making advanced video generation accessible to a broader audience. All open-source assets are publicly available at https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5.