5月9日消息，腾讯混元宣布今天正式推出并开源全新的多模态定制化视频生成工具HunyuanCustom。
据悉，该模型基于混元视频生成大模型（HunyuanVideo）打造，主体一致性效果超过现有的开源方案。
据介绍，HunyuanCustom融合文本、图像、音频、视频等多模态输入生视频的能力，是一款具备高度控制力和生成质量的智能视频创作工具。
腾讯表示，HunyuanCustom模型能实现单主体视频生成、多主体视频生成、单主体视频配音、视频局部编辑等能力，其生成的视频与用户输入的参考主体能保持高度一致。
在部分场景下，创作者希望保持人物一致的情况下，改变人物所在的环境和动作。
但此前的视频生成模型都无法实现。
而HunyuanCustom通过引入身份增强机制和多模态融合模块，真正实现“图像提供身份，文本定义一切”。
HunyuanCustom可以满足视频创作者、短视频博主、电商从业者、广告创意人等不同用户和场景的需求。
比如，在广告场景中，可以快捷变换商品背景、模特可以快速换衣服；在电商和客服场景中，可以快速低成本制作出生动的数字人商品介绍视频，或者制作特定穿着的数字人客服视频；在影视场景中，快速制作短剧和小故事短视频。
此外，通过业内领先的主体一致性建模能力，HunyuanCustom在单人、非人物体、多主体交互等多种场景，都能保持身份特征在视频全程的一致性与连贯性。人物不会“变脸”，物体不会“漂移”。
目前，单主体生成能力已经开源并在混元官网上线，用户可以在“模型广场-图生视频-参考生视频”中体验，其他能力将于5月内陆续对外开源。
单主体生成能力下，用户只需上传一张目标人物或物体的图片，并提供一句如“他正在遛狗”的文本描述，Hunyuan Custom就能在完全不同的动作、服饰与场景中生成连贯自然的视频内容。
在多主体视频的生成中，用户提供一张人物和一张物体的照片，并输入文字描述，即可能让这两个主体按要求出现在视频里。
而Hunyuan Custom不止于图像和文本的配合，还具备强大的扩展能力。
在音频驱动（单主体）模式下，用户可以上传人物图像并配上音频语音，模型便可生成人物在任意场景中说话、唱歌或进行其他音视频同步表演的效果，广泛适用于数字人直播、虚拟客服、教育演示等场景。
在视频驱动模式下，Hunyuan Custom支持将图片中的人物或物体自然地替换或插入到任意视频片段中，进行创意植入或场景扩展，轻松实现视频重构与内容增强。
