

> 伴随大模型进入落地深水区，腾讯打破原有的独立基础研究模式，将AI Lab全面并入大语言模型体系，旨在通过算力与工程的深度融合，加速混元3.0的商业化交付。

## 研发中枢收束与技术闭环构建
通用大模型技术的突飞猛进，正在倒逼互联网巨头重塑内部组织架构。成立近十年的腾讯AI Lab正式被撤销，原有的基础研究力量被整体并入大模型体系。此次调整标志着大厂去实验室化趋势的全面确立。原核心人员悉数转入大语言模型部，由首席AI科学家统筹管理。这一决策彻底解决了过往AI能力分散于各大事业群、内部协同壁垒高筑的痛点，构建起从底层研究、工程搭建到产品数据反馈的超短链路闭环。

![42.png](https://static.downly.cn/images/fd6365f102b0de1df9cf9abf4f69ce2f.png)

<center>图源备注：图片由AI生成</center>

## 混元迭代全员主线战役打响
组织动能的集中释放，直接推动了核心产品线的狂飙突进。备受瞩目的混元3.0版本目前已在内部业务线展开密集测试，并计划于四月正式推向公共市场。新一代模型在复杂逻辑推理与自主智能体构建能力上实现了关键性突破。随着资源的全面倾斜与资金投入的翻倍加码，这一以大语言模型为主线的全员战役已进入最关键的交付冲刺期。

## 行业共识驱使大平台崛起
放眼整个国内科技圈，弱化独立实验室、强化大平台的趋势已成为头部企业的普遍共识。无论是字节跳动将研究体系融入迭代团队，还是阿里巴巴将通义归入核心事业群，均印证了大模型时代的底层硬逻辑。当下的模型训练已演变为庞大的系统级工程，单一维度的学术突破极难直接转化为商业胜局。唯有将算力底座、海量数据、工程调度与真实用户需求进行深度耦合，方能在波诡云谲的AI军备竞赛中立于不败之地。

腾讯架构重组撤销AI Lab 混元大模型步入全量公测倒计时



> 腾讯加速构建 AI 人才高地，清华学霸、前 Sea AI Lab 高级研究科学家庞天宇正式入职，将出任混元大模型首席研究科学家，主攻多模态强化学习技术突破。

## 顶尖履历 95 后清华学霸掌舵

腾讯在人工智能领域的人才引进步伐并未放缓。2026 年 1 月 30 日，知名青年学者庞天宇宣布将于 2 月 4 日履新腾讯。这位 1995 年出生的年轻科学家拥有令人瞩目的学术背景：高一保送清华，师从朱军教授获得计算机系博士学位，并在 ICML、NeurIPS 等国际顶会上发表论文 70 余篇，总引用次数超 1.5 万次。

在加入腾讯之前，庞天宇任职于新加坡 Sea AI Lab，专注于可信机器学习与生成式模型的研究。其深厚的学术造诣曾为其赢得微软学者奖学金、百度奖学金及英伟达学术先锋奖等多项业界殊荣。

![Google_AI_Studio_2026-01-31T03_24_34.016Z.png](https://static.downly.cn/images/191e7ae13928a758e3f6ca36084a3271.png) <center>图源备注：图片由AI生成</center>

## 战略拼图 聚焦多模态强化学习

入职后，庞天宇将担任腾讯混元大模型团队首席研究科学家，并兼任多模态强化学习技术负责人。他将领衔混元多模态部 Exploration Center，核心职能是探索强化学习的前沿算法，并将研发重心聚焦于生成模型技术的底层突破。

此次引援是腾讯近期一系列“人才强基”战略的延续。此前，前 OpenAI 研究员姚顺雨已于 2025 年 12 月加盟。马化腾曾公开表示，通过吸纳全球顶尖人才，腾讯已完成了混元大模型的“深度重构”。随着混元图像 3.0 开源并跻身国际第一梯队，腾讯正通过强化学习与多模态技术的深度融合，加速向全球 AI 技术第一阵营发起冲击。

腾讯混元大模型再添猛将 前 Sea AI Lab 科学家庞天宇加盟负责多模态研究

> AI界风起云涌：谷歌推出命令行AI助手Gemini CLI，旨在成为开发者的“全能代理”；腾讯开源轻量级混元大模型，单卡即可部署，大幅降低AI应用门槛；可灵AI则在音视频多模态领域取得新突破，推出“视频生音效”功能；与此同时，AI巨头Anthropic陷入舆论漩涡，因训练模型销毁百万书籍引发版权争议，并同时启动项目以应对AI对就业市场的潜在冲击。

封面图提示词：一张充满未来科技感的数字艺术作品，融合了代码流、声波图形和大脑神经元网络等多种元素，中央有一个发光的AI核心标志，整体色调为深蓝和紫色，呈现出创新、变革与思考的动态感。

## 谷歌Gemini CLI上线引热议 是“换皮”还是“全能AI代理”

谷歌近日发布了一款名为Gemini CLI的全新开源工具，它是一个可以通过自然语言交互的命令行AI助手。  与市面上专注于代码生成的工具不同，Gemini CLI的定位更侧重于成为一个灵活的“AI代理”，能够处理文本、文件、网页乃至本地工具等多种任务，旨在将AI更无缝地融入开发者的日常工作流中。  尽管该产品发布初期遭遇了一些登录和Bug问题，但其开放的设计和覆盖多应用场景的巨大潜力，被认为标志着AI正从单一功能工具向全能工作助手的方向演进。 

![image.png](https://static.downly.cn/images/2bece80c9208e28cc1bfa2cf6bd75be4.png)

## 腾讯开源混元新模型 单张入门显卡即可驱动

腾讯正式发布并开源了其混元大模型家族的新成员——混元-A13B。  该模型基于先进的专家混合（MoE）架构，虽然总参数规模达到800亿，但激活参数仅为130亿，从而显著降低了运行成本。  最引人注目的是，该模型在极端条件下仅需一张中低端GPU卡即可完成部署，极大地降低了个人开发者和中小企业使用前沿AI技术的门槛。  在性能方面，混元-A13B在数学、科学及逻辑推理等任务上表现出色，同时支持快、慢两种思考模式，以兼顾效率与深度。  为促进开源生态，腾讯还同步开源了两个分别用于代码和Agent场景评估的新数据集。 

![image.png](https://static.downly.cn/images/3e275dafd50b39ef86090624fc4c0669.png)

## 可灵AI推出“视频音效”新功能 实现音画同步新体验

视频生成模型可灵AI（Kling）近日宣布其全系列视频模型已正式上线“视频音效”功能，让用户在生成视频时能够同步获得立体声音效。  与此同时，平台还升级了“音效生成”功能，新增“视频生音效”模块，用户可以上传自己的无声视频或调用历史作品，一键匹配音效。  这项功能的核心是可灵自研的多模态视频生音效模型Kling-Foley，它能确保音效与视频画面实现帧级别的精准对齐，创造出“所见即所听”的沉浸式视听体验。  目前，这项创新功能已向所有用户限时免费开放。 

![image.png](https://static.downly.cn/images/0054d9babb8ed2a0d11316622d025a60.png)

## AI训练与版权冲突升级 Anthropic销毁百万书籍引争议

AI公司Anthropic最近在一场版权纠纷中被揭露，其为了训练语言模型Claude，曾购入数百万本实体书籍，在将其数字化扫描后进行了物理销毁。  尽管法官裁定，这种先毁后用的数字化处理方式构成了“合理使用”，但这一行为依然引发了巨大争议。  批评者担忧，即便AI生成了独特内容，其在训练过程中仍有可能逐字复制受版权保护的材料。  值得注意的是，虽然Anthropic在此次判决中部分胜诉，但它因依赖盗版图书库训练模型，仍需在12月面临版权审判，这给生成式AI行业的未来发展蒙上了一层阴影。 

![image.png](https://static.downly.cn/images/87a19da0e6379ea4094b816601f435b2.png)

## AI引发失业担忧 Anthropic启动经济影响追踪计划

在全社会对人工智能可能取代数百万工作岗位的警告日益增多之际，AI公司Anthropic于周五宣布启动其“经济未来计划”。  这是一项旨在支持和推动相关研究与政策制定的新举措，以应对AI技术可能带来的广泛经济影响。  该计划的启动，表明头部AI公司也开始正视其技术可能带来的社会经济后果，并试图主动参与到解决方案的探索中。 

![image.png](https://static.downly.cn/images/087f3a4a1775969789a7c0c4acf970e4.png)

AI每日资讯0628

> 在人工智能驱动的数字内容生成领域，如何让虚拟形象更加生动、自然地与用户互动，一直是技术探索的热点。近日，腾讯混元大模型团队推出了一个重磅开源项目——HunyuanVideo-Avatar。这项技术的核心在于能够仅凭一段语音，就驱动生成具有丰富表情和自然口型变化的数字人视频。这一创新不仅极大地降低了数字人视频制作的门槛，更为虚拟直播、教育、娱乐等多个领域带来了全新的可能性，标志着语音驱动数字人技术迈入了新的阶段。


腾讯混元大模型团队在人工智能领域持续发力，继文本生成图片、视频生成等技术之后，再次向开源社区贡献了重要的研究成果——HunyuanVideo-Avatar。这一项目的开源，旨在 democratize（民主化）数字人视频的生成过程，让更多开发者和使用者能够轻松地利用语音来驱动虚拟形象的生成。

![image.png](https://static.downly.cn/images/20250529032514.968715463.png)

HunyuanVideo-Avatar 的核心功能正如其名 所言，能够实现“语音驱动生成数字人”。这意味着用户不再需要复杂的 3D 建模、动作捕捉或专业的视频编辑技能，只需要提供一段音频，系统就能够根据语音的内容、情感和语速，自动生成一个数字人说话的视频。这无疑是一项具有颠覆性的技术，将极大提升内容创作的效率和便捷性。

<video src="https://static.downly.cn/images/20250529085234.658090026.mov" controls width="70%" title="teaser.mov"></video>

在线测试HunyuanVideo-Avatar：[https://hunyuan.tencent.com/modelSquare/home/play?modelId=126](https://hunyuan.tencent.com/modelSquare/home/play?modelId=126)

## 技术揭秘 语音如何“驱动”数字人

实现从音频到数字人视频的无缝转换，需要跨越多模态技术的壁垒。HunyuanVideo-Avatar 在技术上可能采用了以下几个关键组成部分


*   **语音特征提取与分析** 系统首先需要对输入的语音进行深入分析，提取出语音的语言内容、语调、情感以及与口型运动相关的声学特征。
*   **面部动作与表情生成** 基于语音特征，模型需要推断出数字人相应的面部动作、表情变化以及最关键的——口型变化。这需要对人脸的肌肉运动和语音发声机制有深刻的理解。
*   **图像生成与渲染** 最后，模型将生成或操纵数字人的图像，使其面部表情和口型与分析出的语音特征同步，最终输出一段连贯自然的数字人视频。

![image.png](https://static.downly.cn/images/20250529032542.076218755.png)

为了确保生成视频的自然度和逼真度，HunyuanVideo-Avatar 可能采用了先进的深度学习模型，如基于 Transformer 的架构、生成对抗网络（GAN）或扩散模型，并结合了大量的多模态数据集进行训练。[论文](https://arxiv.org/pdf/2505.20156)中可能详细描述了其具体的模型结构和训练策略，例如可能采用了创新的注意力机制来对齐语音和视觉特征，或者使用了新的损失函数来优化生成视频的质量和一致性。

## 开源的价值 普惠 AI 的重要一步

腾讯选择将 HunyuanVideo-Avatar 开源，具有重要的战略意义和社区价值
<video src="https://static.downly.cn/images/20250529082542.256822829.mp4" controls width="70%" title="黑白相声-2.mp4"></video>

*   **加速技术普及与应用** 开源使得更多的开发者和研究机构能够接触和使用这一先进技术，基于其进行二次开发和创新应用，从而加速语音驱动数字人技术的普及和落地。
*   **激发社区创新活力** 开源社区的力量是巨大的。 全球的开发者可以共同对 HunyuanVideo-Avatar 进行改进、优化和拓展功能，推动技术的快速迭代和演进。
*   **构建开放生态** 腾讯通过开源，有助于构建一个围绕混元大模型和数字人技术的开放生态系统，吸引更多合作伙伴共同参与，共同推动产业发展。
*   **提升技术透明度** 开源有助于提高技术的透明度，让使用者更加了解模型的原理和潜在限制，促进技术的健康发展。

![image.png](https://static.downly.cn/images/20250529032750.526292890.png)

HunyuanVideo-Avatar 的开源，是腾讯在践行“科技向善”理念、推动 AI 普惠化方面的重要一步，为降低数字内容创作门槛、赋能更多个体和企业提供了强大的工具。


## 广泛应用前景 数字人进入千家万户

HunyuanVideo-Avatar 的出现，将极大地拓展数字人的应用边界，为各行各业带来新的机遇
<video src="https://static.downly.cn/images/20250529083258.269327757.mp4" controls width="70%" title="女声田野独唱.mp4"></video>
*   **虚拟直播** 个体创作者和品牌可以快速生成具有个性化形象的虚拟主播，降低直播成本，提升内容吸引力。
*   **在线教育** 创建生动有趣的数字老师，根据学生的语音输入进行互动式教学。
*   **客服与导览** 生成智能数字客服或虚拟导览员，提供更加人性化的服务体验。
*   **娱乐与营销** 制作创意短视频、广告或虚拟偶像，进行更具互动性和趣味性的内容传播。
*   **个人表达与社交** 未来用户甚至可以轻松创建自己的数字分身，用于社交互动和内容分享。

![image.png](https://static.downly.cn/images/20250529032918.759711415.png)

凭借语音驱动这一便捷高效的方式，HunyuanVideo-Avatar 有望让数字人不再是高门槛的技术，而是人人都可以轻松使用的工具，真正让数字人“走进千家万户”。
<video src="https://static.downly.cn/images/20250529083247.466789044.mp4" controls width="70%" title="女声吉他独唱森林火焰.mp4"></video>

## 本地部署

需要支持CUDA的NVIDIA GPU
  - 该模型在8GPU的机器上进行了测试。
  - **最低配置**：生成720px1280px129帧视频所需的最小GPU内存为24GB，但速度很慢。
  - **推荐配置**：我们建议使用80GB显存的GPU以获得更好的生成质量。
- 测试过的操作系统：Linux

### 🛠️ 依赖项和安装

首先克隆仓库：

```shell
git clone https://github.com/Tencent/HunyuanVideo-Avatar.git
cd HunyuanVideo-Avatar
```

### Linux安装指南

我们推荐使用CUDA 12.4或11.8版本进行手动安装。

Conda的安装说明可在[这里](https://www.anaconda.com/docs/main)找到。

```shell
# 1. 创建conda环境
conda create -n HunyuanVideo-Avatar python==3.10.9

# 2. 激活环境
conda activate HunyuanVideo-Avatar

# 3. 使用conda安装PyTorch和其他依赖
# 对于CUDA 11.8
conda install pytorch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# 对于CUDA 12.4
conda install pytorch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 pytorch-cuda=12.4 -c pytorch -c nvidia

# 4. 安装pip依赖
python -m pip install -r requirements.txt
# 5. 安装flash attention v2以加速（需要CUDA 11.8或更高版本）
python -m pip install ninja
python -m pip install git+https://github.com/Dao-AILab/flash-attention.git@v2.6.3
```

如果在特定GPU类型上遇到浮点异常（核心转储），您可以尝试以下解决方案：

```shell
# 方案1：确保您已安装CUDA 12.4、CUBLAS>=12.4.5.8和CUDNN>=9.00（或直接使用我们的CUDA 12 docker镜像）
pip install nvidia-cublas-cu12==12.4.5.8
export LD_LIBRARY_PATH=/opt/conda/lib/python3.8/site-packages/nvidia/cublas/lib/

# 方案2：强制显式使用CUDA 11.8编译版本的PyTorch和所有其他包
pip uninstall -r requirements.txt  # 卸载所有包
pip install torch==2.4.0 --index-url https://download.pytorch.org/whl/cu118
pip install -r requirements.txt
pip install ninja
pip install git+https://github.com/Dao-AILab/flash-attention.git@v2.6.3
```

此外，您也可以使用混元视频Docker镜像。使用以下命令拉取并运行docker镜像。

```shell
# 对于CUDA 12.4（更新以避免浮点异常）
docker pull hunyuanvideo/hunyuanvideo:cuda_12
docker run -itd --gpus all --init --net=host --uts=host --ipc=host --name hunyuanvideo --security-opt=seccomp=unconfined --ulimit=stack=67108864 --ulimit=memlock=-1 --privileged hunyuanvideo/hunyuanvideo:cuda_12
pip install gradio==3.39.0 diffusers==0.33.0 transformers==4.41.2

# 对于CUDA 11.8
docker pull hunyuanvideo/hunyuanvideo:cuda_11
docker run -itd --gpus all --init --net=host --uts=host --ipc=host --name hunyuanvideo --security-opt=seccomp=unconfined --ulimit=stack=67108864 --ulimit=memlock=-1 --privileged hunyuanvideo/hunyuanvideo:cuda_11
pip install gradio==3.39.0 diffusers==0.33.0 transformers==4.41.2
```

### 🧱 下载预训练模型

预训练模型的下载详情请参见[这里](https://github.com/Tencent-Hunyuan/HunyuanVideo-Avatar/blob/main/weights/README.md)。

### 🚀 多GPU并行推理

例如，要使用8个GPU生成视频，可以使用以下命令：

```bash
cd HunyuanVideo-Avatar

JOBS_DIR=$(dirname $(dirname "$0"))
export PYTHONPATH=./
export MODEL_BASE="./weights"
checkpoint_path=${MODEL_BASE}/ckpts/hunyuan-video-t2v-720p/transformers/mp_rank_00_model_states.pt

torchrun --nnodes=1 --nproc_per_node=8 --master_port 29605 hymm_sp/sample_batch.py \
    --input 'assets/test.csv' \
    --ckpt ${checkpoint_path} \
    --sample-n-frames 129 \
    --seed 128 \
    --image-size 704 \
    --cfg-scale 7.5 \
    --infer-steps 50 \
    --use-deepcache 1 \
    --flow-shift-eval-video 5.0 \
    --save-path ${OUTPUT_BASEPATH} 
```

### 🔑 单GPU推理

例如，要使用1个GPU生成视频，可以使用以下命令：

```bash
cd HunyuanVideo-Avatar

JOBS_DIR=$(dirname $(dirname "$0"))
export PYTHONPATH=./

export MODEL_BASE=./weights
OUTPUT_BASEPATH=./results-single
checkpoint_path=${MODEL_BASE}/ckpts/hunyuan-video-t2v-720p/transformers/mp_rank_00_model_states_fp8.pt

export DISABLE_SP=1 
CUDA_VISIBLE_DEVICES=0 python3 hymm_sp/sample_gpu_poor.py \
    --input 'assets/test.csv' \
    --ckpt ${checkpoint_path} \
    --sample-n-frames 129 \
    --seed 128 \
    --image-size 704 \
    --cfg-scale 7.5 \
    --infer-steps 50 \
    --use-deepcache 1 \
    --flow-shift-eval-video 5.0 \
    --save-path ${OUTPUT_BASEPATH} \
    --use-fp8 \
    --infer-min
```

### 低显存运行方案

```bash
cd HunyuanVideo-Avatar

JOBS_DIR=$(dirname $(dirname "$0"))
export PYTHONPATH=./

export MODEL_BASE=./weights
OUTPUT_BASEPATH=./results-poor

checkpoint_path=${MODEL_BASE}/ckpts/hunyuan-video-t2v-720p/transformers/mp_rank_00_model_states_fp8.pt

export CPU_OFFLOAD=1
CUDA_VISIBLE_DEVICES=0 python3 hymm_sp/sample_gpu_poor.py \
    --input 'assets/test.csv' \
    --ckpt ${checkpoint_path} \
    --sample-n-frames 129 \
    --seed 128 \
    --image-size 704 \
    --cfg-scale 7.5 \
    --infer-steps 50 \
    --use-deepcache 1 \
    --flow-shift-eval-video 5.0 \
    --save-path ${OUTPUT_BASEPATH} \
    --use-fp8 \
    --cpu-offload \
    --infer-min
```

### 运行Gradio服务器

```bash
cd HunyuanVideo-Avatar

bash ./scripts/run_gradio.sh
```

## 未来展望 AI 驱动数字内容新浪潮

腾讯开源 HunyuanVideo-Avatar，是人工智能驱动数字内容生成浪潮中的一个重要里程碑。它不仅展示了腾讯在多模态 AI 领域的深厚技术积累，更通过开源的方式，将前沿技术分享给全球社区，共同推动数字人技术的创新和应用。

随着技术的不断发展和社区的共同努力，我们可以期待 HunyuanVideo-Avatar 在未来能够支持更多复杂的语音情绪、更细腻的面部表情以及更多样的数字人形象。这场由语音驱动的数字人新浪潮，才刚刚开始，它将深刻改变我们创作、消费和互动数字内容的方式。




腾讯开源 HunyuanVideo-Avatar 语音驱动数字人视频生成

腾讯研发的大语言模型，具备强大的中文创作能力，复杂语境下的逻辑推理能力，以及可靠的任务执行能力

腾讯混元大模型

腾讯推出的AI智能工作台产品，基于混元大模型

搜索结果: 混元大模型