当前位置：首页 > news >正文

HunyuanCustom，腾讯混元开源的多模态定制视频生成框架

news 来源：原创 2025/8/5 23:15:48

HunyuanCustom是一款由腾讯混元团队开发的多模态驱动定制视频生成框架，能够支持图像、音频、视频和文本等多种输入方式。该框架专注于生成高质量的视频，能够实现特定主体和场景的精准呈现。

HunyuanCustom是什么

HunyuanCustom是腾讯混元团队推出的一种创新性视频生成框架，具备多模态输入的强大能力，支持图像、音频、视频和文本等多样化输入条件。通过引入LLaVA的文本-图像融合模块和图像ID增强模块，HunyuanCustom在身份一致性、真实感和文本-视频对齐方面优于其他现有技术。该框架广泛应用于虚拟人广告、虚拟试穿及视频编辑等领域，展现出灵活多变的应用潜力。

HunyuanCustom的主要功能

单主体视频定制：根据提供的图像和文本描述生成视频，确保主体身份的一致性。
多主体视频定制：支持多个主体的交互式生成，能够处理复杂的多主体场景。
音频驱动视频制作：依据音频和文本描述生成视频，提供灵活的音频驱动动画功能。
视频驱动视频制作：支持通过视频输入进行对象替换或添加，适用于视频编辑和对象替换的需求。
虚拟人广告与虚拟试穿：生成虚拟人与产品互动的广告视频，或进行虚拟试穿展示，提升用户体验。
灵活场景生成：根据文本描述生成不同场景下的视频，支持多样化的内容创作。

HunyuanCustom的技术原理

多模态融合模块：
- 文本-图像融合模块：基于LLaVA技术，将图像中的身份信息与文本描述进行有效结合，提升多模态理解能力。
- 图像ID增强模块：利用时间轴信息拼接，强化主体身份特征，确保视频生成过程中的身份一致性。
音频驱动机制：AudioNet模块采用空间交叉注意力机制，将音频特征注入视频特征中，实现音频与视频的层次化对齐，从而支持音频驱动的视频生成。
视频驱动机制：视频特征对齐模块将输入视频通过VAE（变分自编码器）压缩至潜在空间，利用patchify模块进行特征对齐，确保与潜变量的特征一致性。
身份解耦模块：基于身份解耦的视频条件模块，有效将视频特征注入潜在空间，支持视频驱动的视频生成。
数据处理与增强：采用严格的预处理流程，包括视频分割、文本过滤、主体提取和数据增强，以确保输入数据的高质量，从而提升模型性能。

HunyuanCustom的项目地址

项目官网：https://hunyuancustom.github.io/
GitHub仓库：https://github.com/Tencent/HunyuanCustom
HuggingFace模型库：https://huggingface.co/tencent/HunyuanCustom
arXiv技术论文：https://arxiv.org/pdf/2505.04512v1

HunyuanCustom的应用场景

虚拟人广告：生成虚拟人与产品的互动广告视频，增强视觉吸引力。
虚拟试穿：用户上传照片后生成试穿不同服装的视频，提升在线购物体验。
视频编辑：实现视频中对象的替换或添加，增强视频编辑的灵活性。
音频驱动动画：根据音频生成同步的视频动画，适用于虚拟直播或动画制作。
教育视频：结合文本与图像生成教学视频，提升学习效果。

常见问题

HunyuanCustom支持哪些输入格式？：支持图像、音频、视频及文本输入。
可以生成多个主体的视频吗？：是的，支持多主体的交互生成。
HunyuanCustom的主要应用领域有哪些？：广泛应用于虚拟人广告、虚拟试穿、视频编辑等多个领域。
如何访问HunyuanCustom的相关资源？：可以通过项目官网、GitHub仓库及HuggingFace模型库获取更多信息。

HunyuanCustom，腾讯混元开源的多模态定制视频生成框架

HunyuanCustom是一款由腾讯混元团队开发的多模态驱动定制视频生成框架，能够支持图像、音频、视频和文本等多种输入方式。该框架专注于生成高质量的视频，能够实现特定主体和场景的精准呈现。 HunyuanCustom是什么 HunyuanCustom是腾讯混元团队推出的一种…...

编程日记 2025/8/5 23:15:48

el-menu 折叠后小箭头不会消失

官方示例 <template><el-radio-group v-model"isCollapse" style"margin-bottom: 20px"><el-radio-button :value"false">expand</el-radio-button><el-radio-button :value"true">collapse</el-ra…...

编程日记 2025/8/5 23:15:44

Spring Boot中的拦截器！

每次用户请求到达Spring Boot服务端，你是否需要重复写日志、权限检查或请求格式化代码？这些繁琐的“前置后置”工作让人头疼！好在，Spring Boot拦截器如同一道智能关卡，统一处理请求的横切逻辑，让代码优雅又…...

编程日记 2025/8/5 23:14:39

Docker宿主机IP获取

1.Linux: ip addr show docker0 2. macOS/Windows 环境（Docker Desktop） 在Docker Desktop中，宿主机（你的物理机）通过host.docker.internal主机名暴露给容器，无需手动查找IP。方法1：在容器…...

编程日记 2025/8/1 4:13:11

Flink之Table API

Apache Flink 的 Table API 是 Flink 提供的一种高级抽象，用于以声明式方式处理批处理和流处理数据。它是基于关系模型的 API，用户可以像编写 SQL 一样，以简洁、类型安全的方式编写数据处理逻辑。一、基本概念 1. 什么是 Table API&#xf…...

编程日记 2025/8/1 4:13:09

Kubernetes生产实战：NodePort端口范围的隐藏规则与调优指南

在Kubernetes中暴露服务时，很多开发者第一次看到NodePort的端口号都会惊呼："为什么我的服务被分配了3万多的端口？"。这背后隐藏着Kubernetes设计者的深思熟虑，今天我们就来揭开这个"数字谜团"。一、默认端口…...

编程日记 2025/8/1 4:13:07

读取传感器发来的1Byte数据：分低位先行和高位先行的处理方法

目录一、写在前面二、伪代码的逻辑实现 1、从高位到低位 2、从低位到高位一、写在前面在接收数据之前我们需要事先知道数据的发送规则，是高位先行还是低位先行，并按照规则接收数据，否则收到的数据很可能是错的高位先行：…...

编程日记 2025/8/5 23:14:18

在 Ubuntu 上安装并运行 ddns-go 教程

在 Ubuntu 上安装并运行 ddns-go 教程什么是 ddns-go？ ddns-go 是一款开源的轻量级 DDNS（动态域名解析）客户端，支持多家 DNS 服务商（如阿里云、腾讯云、Cloudflare、Dnspod 等），适合在家用宽…...

编程日记 2025/8/1 4:13:03

2025.05.07-淘天算法岗-第三题

📌 点击直达笔试专栏 👉《大厂笔试突围》 💻 春秋招笔试突围在线OJ 👉 笔试突围OJ 03. 信号增强最小操作次数问题描述卢小姐正在进行一项信号处理实验。她有一个长度为 n n n...

编程日记 2025/8/1 4:13:02

(2025-08-31) A Review on Edge Large Language Models: Design, Execution, and Applications (Edge 大型语言模型综述：设计、执行和应用) 作者: Yue Zheng; Yuhao Chen; Bin Qian; Xiufang Shi; Yuanchao Shu; Jiming Chen;期刊: ACM Computing Surveys （发表日期: 2025-08…...

编程日记 2025/8/5 23:14:19

谷云科技iPaaS发布 MCP Server加速业务系统API 跨入 MCP 时代

在数字化浪潮中，集成技术与 AI 技术的融合成为企业智能化转型的关键。谷云科技作为 iPaaS 集成技术领域的佼佼者，我们率先在iPaaS中全新推出 MCP Server，这不仅是对谷云科技现有产品线的有力补充，更是我们顺应 AI 发展潮流、深化集…...

编程日记 2025/6/29 4:34:06

rabbitmq学习笔记快速使用

主要是快速了解使用，对于强要求比如说数据安全（也就是spring配置先不要求） 那么开始引入依赖 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-amqp</artifactId>…...

编程日记 2025/8/5 23:15:44

PMIC电源管理模块的PCB设计

目录 PMU模块简介 PMU的PCB设计 PMU模块简介 PMIC（电源管理集成电路）是现代电子设备的核心模块，负责高效协调多路电源的转换、分配与监控。它通过集成DC-DC降压/升压、LDO线性稳压、电池充电管理、功耗状态切换等功能，替代传统分…...

编程日记 2025/6/29 5:02:12

‌云原生CAE软件

‌云原生CAE软件‌是一种在设计和实现时就充分考虑了云环境特点的软件，能够充分利用云资源，实现高效、可扩展和灵活的仿真分析。定义和特点云原生CAE软件是一种在云端构建和运行的CAE（Computer Aided Engineering，计算机辅助工…...

编程日记 2025/6/29 8:38:32

计算机视觉】OpenCV项目实战：eye_mouse_movement：基于opencv实战眼睛控制鼠标

eye_mouse_movement：基于视觉追踪的实时眼控交互系统一、项目概述与技术背景1.1 项目核心价值1.2 技术指标对比1.3 技术演进路线二、环境配置与系统部署2.1 硬件要求2.2 软件安装基础环境搭建关键组件说明 2.3 模型文件部署三、核心算法解析3.1 系统架构设计3.2 …...

编程日记 2025/6/29 2:37:11

《大规模电动汽车充换电设施可调能力聚合评估与预测》MATLAB实现计划

模型概述根据论文，我将复刻实现结合长短期记忆网络(LSTM)和条件变分自编码器(CVAE)的预测方法，用于电动汽车充换电设施可调能力的聚合评估与预测。实现步骤 1. 数据预处理导入充电数据 (Charging_Data.csv)导入天气数据 (Weather_Data.csv)导入电…...

编程日记 2025/6/29 3:39:12

【C++进阶】第2课—多态

文章目录 1. 认识多态2. 多态的定义和实现2.1 构成多态的必要条件2.2 虚函数2.3 虚函数的重写或覆盖2.4 协变(了解)2.5 析构函数的重写2.6 override和final关键字2.7 重载、重写、隐藏对比 3. 纯虚函数和抽象类4. 多态原理4.1 虚函数表指针4.2 多态的实现4.3 静态绑定和动态绑定…...

编程日记 2025/8/5 23:14:38

Mysql--基础知识点--91.2--processlist

在 MySQL 中，SHOW PROCESSLIST 是一个常用命令，用于查看当前数据库服务器上所有正在运行的线程（进程）信息。以下是关键点说明： 1. 命令用法 SHOW FULL PROCESSLIST;输出字段： 列名含义Id线程唯一标识符&am…...

编程日记 2025/8/5 23:15:47

【阿里云免费领取域名以及ssl证书，通过Nginx反向代理web服务】

文章目录前言一、申请域名1.1 访问阿里云官网1.2 输入自定义域名1.3 创建个人模板1.4 支付1元可以使用域名1年1.5 按照提示实名认证1.6 实名认证成功二、域名解析2.1 选择域名解析2.2 解析设置2.3 快速添加解析2.4 选择对应类型2.5 解析成功三、申请免费ssl证书3.1 访问阿里…...

编程日记 2025/8/5 23:14:19

Mamba 状态空间模型笔记 llm框架一维卷积

动画讲解 Mamba 状态空间模型_哔哩哔哩_bilibili 旧文本向量乘权重加残差感觉好像transformer 过个llm head输出y 卷积真的很快参考一文通透想颠覆Transformer的Mamba：从SSM、HiPPO、S4到Mamba(被誉为Mamba最佳解读)_mamba模型-CSDN博客偷了 Transformer的二次复…...

编程日记 2025/8/5 23:14:40

WPF内嵌其他进程的窗口

WPF内嵌其他进程窗口的常见方法有 HwndHost SetParent 和 WindowsFormsHost WinForms Panel SetParent 推荐使用自定义HwndHost 两者的对比区别示例代码 public class MyWndHost : HwndHost {const int WS_CHILD 0x40000000;const int WS_VISIBLE 0x10000000;const i…...

编程日记 2025/6/29 2:22:46

1、mongodb-- BSON 学习和JSON性能对比

BSON 是什么 MongoDB 作为一款流行的文档数据库，采用 BSON 格式来支持文档模型。 BSON 全称是 Binary JSON，和 JSON 很像，但是采用二进制格式进行存储。相比 JSON 有以下优势： 访问速度更快：BSON 会存储 Value 的类…...

编程日记 2025/6/29 4:52:09

19、HashTable（哈希）、位图的实现和布隆过滤器的介绍

一、了解哈希【散列表】 1、哈希的结构在STL中，HashTable是一个重要的底层数据结构, 无序关联容器包括unordered_set, unordered_map内部都是基于哈希表实现哈希表又称散列表，一种以「key-value」形式存储数据的数据结构。哈希函数：负责将…...

编程日记 2025/6/29 4:48:35

鱼眼摄像头（一）多平面格式单缓冲读取图像并显示

鱼眼摄像头（一）多平面格式单缓冲读取图像并显示 1.摄像头格式 1. 单平面格式（Single Plane）：各通道数据保存在同一个平面（缓冲），图像数据按行连续存储a. mjpeg，yuyv等…...

编程日记 2025/8/5 23:14:37

wpf UserControl 更换自定义基类

在WPF中实现UserControl更换自定义基类的操作，需注意以下关键步骤及注意事项实现步骤‌ ‌创建自定义基类‌ 新建继承自UserControl的基类（如CustomBaseUserControl），并添加通用逻辑： public class BaseUserControl: UserControl {// 添加共享逻辑（如事件处理、初始化…...

编程日记 2025/6/29 4:39:30

Linux C语言线程编程入门笔记

目录开发环境准备线程基础概念进程与线程的关系线程生命周期创建线程等待线程结束线程函数和参数互斥锁与共享资源保护总结开发环境准备操作系统：以 Linux 为例（Ubuntu/CentOS 等主流发行版）。请确保系统已安装 GNU C 编…...

编程日记 2025/8/5 23:14:39

网络安全体系架构：核心框架与关键机制解析

以下是关于网络安全体系架构设计相关内容的详细介绍： 一、开放系统互联安全体系结构开放系统互联（OSI）安全体系结构是一种基于分层模型的安全架构，旨在为开放系统之间的通信提供安全保障。它定义了安全服务、安全机制以及它们在…...

编程日记 2025/8/5 23:14:40

SecureCRT网络穿透/代理

场景公司的办公VPN软件只有Windows系统版本，没有Macos系统版本，而日常开发过程中需要先登录VPN后，然后才能登录应用服务器。目的：Macos系统在使用SecureCRT时，登录服务器，需要走Parallels Desktop进行网络…...

编程日记 2025/8/5 23:14:16

Typora+PicGo+Gitee图床配置教程自动图片上传

配置步骤 #mermaid-svg-aPUbWs43XR5Rh7vf {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-aPUbWs43XR5Rh7vf .error-icon{fill:#552222;}#mermaid-svg-aPUbWs43XR5Rh7vf .error-text{fill:#552222;stroke:#552222;}#…...

编程日记 2025/8/4 10:09:33

基于vue框架的电子商城m8qu8（程序+源码+数据库+调试部署+开发环境）带论文文档1万字以上，文末可获取，系统界面在最后面。

系统程序文件列表项目功能：用户,商品类型,商品信息,商城公告开题报告内容基于Vue框架的电子商城开题报告一、研究背景与意义随着互联网技术的飞速发展，电子商务已成为全球商业领域的重要增长点。根据艾瑞咨询数据，中国网络购物用户规…...

编程日记 2025/8/4 10:09:31

线段树：数据结构中的超级英雄

在数据结构的世界里，线段树就像是一位超级英雄，能够高效地解决区间查询和更新问题。作为 C 算法小白，今天我就带大家一起认识这位超级英雄，揭开线段树的神秘面纱。什么是线段树？ 线段树是一种二叉树数据结构&#x…...

编程日记 2025/8/4 10:09:29

【MySQL】存储引擎 - ARCHIVE、BLACKHOLE、MERGE详解

📢博客主页：https://blog.csdn.net/2301_779549673 📢博客仓库：https://gitee.com/JohnKingW/linux_test/tree/master/lesson 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！ &…...

编程日记 2025/8/4 10:09:27

麦科信获评CIAS2025金翎奖【半导体制造与封测领域优质供应商】

在苏州举办的2025CIAS动力能源与半导体创新发展大会上，深圳麦科信科技有限公司凭借在测试测量领域的技术积累，入选半导体制造与封测领域优质供应商榜单。本届大会以"新能源芯时代"为主题，汇集了来自功率半导体、第三代材料应用等领…...

编程日记 2025/8/4 10:09:25

开目新一代MOM：AI赋能高端制造的破局之道

导读 INTRODUCTION 在高端制造业智能化转型的深水区，企业正面临着个性化定制、多工艺场景、动态生产需求的敏捷响应以及传统MES柔性不足的考验……在此背景下，武汉开目信息技术股份有限公司（简称“开目软件”）正式发布新一代开目…...

编程日记 2025/8/1 8:49:09

wsl - install RabbiqMQ

下载erlang $ sudo apt -y install erlang 安装软件包 $ sudo apt -y install rabbitmq-server 修改配置文件 $ sudo vi /etc/rabbitmq/rabbitmq-env.conf # Defaults to rabbit. This can be useful if you want to run more than one node # per machine - RABBITMQ_NODENAME…...

编程日记 2025/8/1 8:49:06

力扣刷题Day 45：旋转图像（48）

1.题目描述 2.思路只需要将左上1/4矩阵的元素挨个与右上1/4、右下1/4、左下1/4部分对应位置元素的值进行轮换即可。 3.代码（Python3） from math import ceilclass Solution:def rotate(self, matrix: List[List[int]]) -> None:n len(matrix)for…...

编程日记 2025/8/1 8:49:04

CentOS 7 系统下安装 OpenSSL 1.0.2k 依赖问题的处理

前面有提到过这个openssl的版本冲突问题，也是在这次恢复服务器时遇到的问题，我整理如下，供大家参考。小小一个软件的安装，挺坑的。一、问题项目运行环境需要，指定PHP7.0.9这个版本，但是‌系统版本与软件…...

编程日记 2025/8/1 8:49:02

【彻底卸载nginx并部署nginx1.22.1+ssl模块等】

文章目录前言一、检查Nginx1.1 查看是否安装ssl模块二、彻底卸载Nginx2.1 查看Nginx进程2.2 关闭Nginx服务2.3 查找Nginx安装目录2.4 彻底删除Nginx配置文件2.5 若之前Nginx设置开机自启，按下面方法删除2.6 使用yum方法彻底删除Nginx 三、部署Nginx1.22.1并配置ss…...

编程日记 2025/8/1 8:49:00

云上系统CC攻击如何进行检测与防御？

云上系统遭受CC攻击（Challenge Collapsar，一种针对应用层的DDoS攻击）时，检测与防御需结合流量分析、行为识别和技术手段，以下是核心方法： 一、检测方法异常流量分析监控请求量突增&#…...

编程日记 2025/8/1 8:48:57

python连接sqllite数据库工具类

背景在数据集成业务中, 有很多token是有短效的到期时间的. 需要在调用多个接口的时候统一获取token ,因为我们集成平台的执行客户端是分步式的,集中保存平台大量客户的token在服务端有性能瓶颈.所以一般在客户端本地通过sqllite存储,故写了一个调用sqllite的工具类,在后续分享…...

编程日记 2025/8/1 8:48:55

leetcode - 双指针问题

文章目录前言题1 移动零： 思路： 参考代码： 题2 复写零： 思考： 参考代码： 题3 快乐数： 思考： 参考代码： 题4 盛最多水的容器： 思考：…...

编程日记 2025/8/1 8:48:53

Jsp技术入门指南【十一】SQL标签库

Jsp技术入门指南【十一】SQL标签库前言一、SQL标签库概述1. 什么是SQL标签库，有什么用？2. SQL标签库怎么用？ 二、常用SQL标签库详解3.1 sql:selDtataSource（配置数据源）3.2 sql:query（执行查询&#xff09…...

编程日记 2025/8/1 8:48:50

MySQL初阶：数据库约束和表的设计

数据库约束数据库约束是针对数据库中的表中的数据进行施加规则和条件，用于确保数据的准确性和可靠性。数据库约束类型 1）not null 非空类型 ：指定非空类型的列不能存储null，如果插入的数据是null便会报错。 2）de…...

编程日记 2025/8/1 8:48:47

2025年API安全防御全解析：应对DDoS与CC攻击的智能策略

2025年，API作为数字生态的核心枢纽，已成为攻击者的主要目标。DDoS攻击规模突破T级峰值，CC攻击则借助AI技术模拟真实用户行为，传统防御手段面临失效风险。如何在保障高并发业务稳定性的同时抵御复杂攻击？本文结合前沿技…...

编程日记 2025/8/1 8:48:45

【Bootstrap V4系列】学习入门教程之组件-表单（Forms）高级用法

Bootstrap V4系列学习入门教程之组件-表单（Forms）高级用法 Layout 布局一、Form groups 表单组二、Form grid 表单网格2.1 Form row 表单行2.2 Horizontal form 水平形式表单2.3 Column sizing 列尺寸2.4 Auto-sizing 自动调整大小三、Inline forms 内…...

编程日记 2025/8/1 8:48:42

Redis 主从复制集群搭建教程

目录为什么要搭建 Redis 主从复制集群？搭建 Redis 主从复制集群前提条件步骤一：创建 Docker 网络步骤二：启动 Redis 主节点步骤三：启动 Redis 从节点步骤四：验证复制状态步骤五：使用 Python 连接 Redis 集…...

编程日记 2025/8/1 6:26:23

使用AES-CBC + HMAC-SHA256实现前后端请求安全验证

AES-CBC HMAC-SHA256 加密验证方案，下面是该方案二等优点与缺点表格，适用于文档、评审或技术选型说明。 ✅ 优点表格：AES-CBC HMAC-SHA256 加密验证方案类别优点说明🔐 安全性使用 AES-CBC 对称加密使用 AES-128-CBC 是可…...

编程日记 2025/8/1 6:26:21

耳机插进电脑只有一边有声音怎么办解决方法分享

当您沉浸在音乐或电影中时，如果突然发现耳机只有一边有声音，这无疑会破坏您的体验。本文将提供一系列检查和修复方法，帮助您找出并解决问题，让您的耳机恢复正常的立体声效果。一、检查耳机连接是否正常首先需要确认耳机与播放设…...

编程日记 2025/8/1 6:26:19

【物联网】基于树莓派的物联网开发【1】——初识树莓派

使用背景物联网开发从0到1研究，以树莓派为基础场景介绍系统学习Linux、Python、WEB全栈、各种传感器和硬件接下来程序猫将带领大家进军物联网世界，从0开始入门研究树莓派。认识树莓派正面图示： 1：树莓派简介树莓派…...

编程日记 2025/8/1 6:26:17

AI生成虚假漏洞报告污染漏洞赏金平台

漏洞赏金计划遭遇AI伪造报告冲击曾经因激励独立研究人员报告真实漏洞而备受赞誉的漏洞赏金计划，如今正面临AI生成虚假漏洞报告的重大挑战。这些伪造的漏洞报告在业内被称为"AI垃圾"，不仅浪费维护人员的时间，更令人担忧的是&#…...

编程日记 2025/8/1 6:26:16