훈위안비디오 1.5 기술 보고서

초록

저희는 경량이면서도 강력한 오픈소스 비디오 생성 모델인 HunyuanVideo 1.5를 소개합니다. 본 모델은 83억 개의 매개변수만으로도 최첨단 시각적 품질과 동작 일관성을 달성하여 소비자용 GPU에서도 효율적인 추론이 가능합니다. 이 성과는 신중하게 구성된 데이터, 선택적 및 슬라이딩 타일 어텐션(SSTA)을 특징으로 하는 향상된 DiT 아키텍처, 문자 인식 텍스트 인코딩을 통한 향상된 양국어 이해, 점진적 사전 학습 및 사후 학습, 효율적인 비디오 초해상도 네트워크를 포함한 여러 핵심 구성 요소에 기반합니다. 이러한 설계를 활용하여 다양한 길이와 해상도에서 고품질의 텍스트-비디오 및 이미지-비디오 생성을 가능하게 하는 통합 프레임워크를 개발했습니다. 광범위한 실험을 통해 이 컴팩트하면서도 능숙한 모델이 오픈소스 비디오 생성 모델 중 새로운 최첨단 기준을 수립함을 입증했습니다. 코드와 모델 가중치를 공개함으로써 비디오 생성 및 연구의 진입 장벽을 낮추고 더 많은 사용자들이 첨단 비디오 생성 기술을 접할 수 있도록 고성능 기반을 커뮤니티에 제공합니다. 모든 오픈소스 자산은 https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5에서 공개적으로 이용 가능합니다.

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.

훈위안비디오 1.5 기술 보고서

HunyuanVideo 1.5 Technical Report

초록

Support