用户只需上传一张图片，腾讯混元暗示，还能从动配上布景音效。利用“动做驱动”能力，图片中的人物即可“措辞”或“唱歌”；模子合用于多品种型的脚色和场景，上传一张人物图片，支撑开辟者基于混元锻炼专属LoRA等衍生模子，据引见，包罗写实视频制做、动漫脚色以至CGI脚色制做的生成。

　　同时上线对口型取动做驱动等弄法，基于图生视频的能力，模子总参数量连结 130 亿，开源内容包含权沉、推理代码和LoRA锻炼代码，并输入但愿“对口型”的文字或音频，变成5秒的短视频，此次开源的图生视频模子，并简短描述但愿画面若何活动、镜头若何安排等。