HunyuanVideo от корпорации Tencent стал одним из самых мощных открытых ответов закрытым голливудским генераторам видео. Модель масштабом в 13 миллиардов параметров выложена в открытый доступ, позволяя студиям и энтузиастам разворачивать независимый видеопродакшен на собственных серверах.
Архитектура Diffusion Transformer и честная физика
Вместо устаревших сетей U-Net здесь используется архитектура DiT, объединяющая диффузию и трансформеры. Модель воспринимает видео как единое пространственно-временное полотно, благодаря чему в кадре строго соблюдаются законы физики: ткань естественно колышется на ветру, вода течет с реалистичными брызгами, а объекты не растворяются при смене ракурса.
Нейросеть превосходно понимает сложные текстовые описания без многоэтажного промптинга, генерируя плавные кинематографичные сцены с честной частотой 24 кадра в секунду.
Требования к железу и форматы запуска
Главная плата за мощь — колоссальные требования к видеопамяти. В оригинальной точности для локального рендера требуются серверные карты уровня A100 на 80 ГБ. Однако благодаря сжатию сообщества в форматы FP8 и GGUF модель удается запускать на видеокартах уровня RTX 4090 и 3090 через ComfyUI.
Для тех, кто не держит дома ферму видеокарт, доступны недорогие облачные API с оплатой за секунды готового ролика.






