腾讯混元视频生成大模型

腾讯混元视频大模型（Tencent HunYuan Video Model）是腾讯推出的一种基于人工智能的技术平台，专注于视频内容的生成、理解和分析。它属于腾讯的“混元”系列大模型之一，旨在通过深度学习和大数据技术，提升视频创作和处理的效率。

这个模型能够执行多种任务，比如视频内容的自动生成、视频语音转文本、视频字幕的智能生成、视频内容摘要以及视频场景的理解和标注等。它利用自然语言处理（NLP）、计算机视觉（CV）以及深度学习技术，推动视频行业在内容生产和消费的方式上进行创新。

混元视频

• 转换为safetensors。
• Llava Llama已连载，并上传了 BF16 和 FP8 版本
• VAE 已转换为 Safetensors
• 对于 CLIP-L，他们建议使用全视觉模型。
• 注意：使用 FP8 模型时，请使用 FP8 缩放
• 向下转换为 INT4 ( Kijai 节点)时可能应使用 BF16
• GBlue发布了在 12GB 卡上使用原生 COMFY 节点的 FP8 工作流。

Comfy Native 修剪 Vision Tower – 我不知道这对质量有什么影响，但请参考Kijai Nodes

即使在 8GB 卡上，我也可以以不错的速度（每 IT 5-30 秒）在 FP8 中进行渲染，但是像你们中的许多人一样，我得到了彩虹静态。我不确定这是否是由于 SAGE（旧版本）等不当关注或未提示 OOM 错误消息的 OOM 问题造成的

作品参照