腾讯混元视频 快速上手教程（GitHub README 中文整理）

腾讯混元视频（HunyuanVideo）快速上手教程

是什么

腾讯混元视频（HunyuanVideo）是腾讯开源的大规模视频生成模型框架，基于 PyTorch 实现。它能够根据文本描述直接生成高质量视频，是当前业界领先的开源视频生成方案之一。项目提供了完整的模型权重、推理代码和采样工具，支持在本地部署运行。

能干什么

• 文本生成视频（T2V）：输入一段文字描述，生成对应的视频内容
• 图像生成视频（I2V）：基于一张图片生成动态视频（需配合 HunyuanVideo-I2V 子项目）
• 自定义视频生成：通过 HunyuanCustom 实现多模态驱动的个性化视频生成
• 音频驱动人物动画：通过 HunyuanVideo-Avatar 实现音频驱动的人像生成

怎么装

环境要求

• Python 3.10+
• CUDA 11.8+（推荐 12.1+）
• 至少 60GB 显存（推荐使用 FP8 权重可节省显存）

安装步骤

# 1. 克隆仓库
git clone https://github.com/Tencent-Hunyuan/HunyuanVideo.git
cd HunyuanVideo

# 2. 创建虚拟环境（推荐）
conda create -n hunyuan python=3.10
conda activate hunyuan

# 3. 安装依赖
pip install -r requirements.txt

# 4. 下载模型权重
# 从 HuggingFace 下载：https://huggingface.co/tencent/HunyuanVideo
# 或使用国内镜像加速下载

怎么用：第一个例子

快速推理

# 使用默认参数生成视频
python sample_video.py \
    --model-path ./ckpts \
    --prompt "一只可爱的橘猫在草地上打滚" \
    --output-path ./outputs

参数说明

使用 FP8 权重节省显存

# 下载 FP8 权重后
python sample_video.py \
    --model-path ./ckpts \
    --prompt "一只可爱的橘猫在草地上打滚" \
    --fp8

社区资源

社区已为混元视频开发了丰富的生态工具：

• ComfyUI 集成：通过 ComfyUI-HunyuanVideoWrapper 在 ComfyUI 中使用
• Diffusers 支持：已集成到 HuggingFace Diffusers 库
• GGUF 量化版：HunyuanVideo-gguf 提供量化版本，降低部署门槛
• 并行推理：配合 xDiT 实现多卡并行推理加速
• 视频增强：Enhance-A-Video 可免费提升生成视频质量

翻译整理自 GitHub README，原文：https://github.com/Tencent-Hunyuan/HunyuanVideo