AI导读：

近期，大模型开源潮从文本模型扩展到视频生成领域，阿里巴巴、腾讯等大模型厂商纷纷开源视频生成模型，推动行业技术进步。在VBench视频生成模型评测榜单上，开源模型已占据重要地位。

大模型开源潮已从文本模型扩展到视频生成领域。2月25日，阿里巴巴率先开源了万相2.1视频生成模型，随后3月6日，腾讯紧跟步伐，开源了其图生视频模型。同时，阶跃星辰也计划在本月内开源其图生视频模型，标志着视频生成技术的进一步开放。

据腾讯官方介绍，新开源的图生视频模型拥有130亿参数，适用于写实视频制作、动漫角色生成等多个领域，开源内容包括权重、推理代码和LoRA训练代码。用户仅需上传一张图片，并简要描述画面运动和镜头调度，即可生成5秒短视频。此外，用户还能通过输入文字或音频，让图片中的人物对口型说话或唱歌。

腾讯展示的视频生成案例包括爱因斯坦吃苹果、梵高喝红酒等，从演示视频来看，主体运动流畅，对口型效果逼真。

2月，阿里巴巴开源的万相2.1视频生成模型提供14B和1.3B两种参数规格，支持无限长1080P视频的高效编解码，并首次实现了中文文字视频生成功能。

谈及视频生成的成熟度和开源的意义，腾讯混元多模态生成技术负责人凯撒曾表示，当前视频生成开源生态尚不成熟，主要原因是开源的视频生成底模与闭源存在较大差距。视频生成所需的算力和数据消耗量远超图像生成，因此业内不愿将高成本模型开源。然而，闭门造车导致许多人无法接触到最优模型，因此混元在去年12月决定开源文生视频模型。

业内人士指出，视频生成模型的技术路径仍在探索中，开源有助于推动行业进步。

随着多家大模型厂商推动开源，视频生成大模型中，开源模型已占据重要地位。在VBench视频生成模型评测榜单上，万相2.1模型位列第一，总分86.22%，超越闭源的Sora。前20名中，另有6款模型为开源模型。腾讯推出的HunyuanVideo位列第12位，智谱旗下的CogVideoX1.5-5B位列第15位，均为开源模型。在榜单第20名至第50名中，开源模型数量远超闭源模型。

图像生成模型作为图生视频模型的基础，香港大学经管学院发布了《人工智能模型图像生成能力综合评测报告》。在新图像生成内容质量方面，字节即梦AI位居榜首，前20名内包括DALL-E3、Hunyuan-DiT等多个开源模型。

（文章来源：第一财经）