腾讯混元文生视频大模型初体验：功能繁多但表现不尽如人意
2023 年 3 月 20 日，国内互联网巨头腾讯正式向公众发布了其文生视频大模型——混元。该模型参
数量高达 130 亿，是目前开源视频生成类大模型中参数量最大的。作为一款基于人工
智能技术的视频生成工具，混元大模型受到了广泛关注。
丰富的功能
与其他同
类产品相比，腾讯混元大模型提供了更加丰富的功能选项，包括：
多种视频比例选择：横屏、竖屏、正方形
不同视频风格选择：写实、动漫、卡通
多种景别选择：特写、中景、全景
多种
光线条件选择：
自然光、逆光、侧光
多种镜头运动选择：平移、摇摄、旋转
是否启用流畅运镜功能选择
是否启用丰富动作功能选择
是否使用导演模式选择（该模式下 AI 将自动生成符合逻辑的视频镜头）
实际体验
为了充分体验腾讯混元大模型的性能，笔者进行了多次不同的视频生成尝试。实际体验并不尽如人意。
画面效果良好，但与描述有
差距
以“夕阳西下，少女坐在靠窗的书桌前，眼神不住地向上飘，嘴角微微上扬，似乎想起了
什么值得开心的事”为描述语生成的视频为例，大模型生成视频的画面质量尚可，人物动作也较为自然，但与笔者脑海中构想的场景存在明显差异。视频中出现的白人少女形象与描述不符，书桌、窗户等细节也未得到充分体现。
视频逻辑性欠缺，细节处理有待提高
以“晴朗的天空，忽然乌云密布，继而骤然下起了暴雨，路上的行人有的慌忙跑到房檐下避雨，有的把挎包顶在头上一路狂奔”为描述语生成的视频为例，生成的视频存在明显的逻辑性
问题。画面中，人物的步伐浮于地面，给人以行走于空中的错觉。
部分人物未生成提包，导致视频画面不完整
发表评论