腾讯混元开源新作！超强的音频驱动数字人生成模型，支持多角色、多风格及口型与表情同步！
腾讯混元与腾讯音乐联合开源的数字人音频驱动模型HunyuanVideo-Avatar，支持单或多角色对话和多种图像风格生成。通过一张人物图片和一段音频（最长14秒），生成高保真语音驱动动画，并引入了三项关键创新。
腾讯混元
多模态大模型不会画辅助线？最新评估得分：o3仅25.8%，远低于人类82.3% 清华腾讯斯坦福联合
清华大学等机构联合发布RBench-V，评估大模型的视觉推理能力。结果显示表现最好的模型o3准确率仅为25.8%，远低于人类的82.3%。论文在Reddit机器学习社区引发讨论。
ICML 2025 无需训练！清华团队「一行代码」突破视频生成时长“魔咒”
清华团队发布RIFLEx模型，仅需一行代码即可突破视频生成长度限制至10秒。该模型适用于基于RoPE的各类Video Diffusion Transformer。
手绘草图一键变3D游戏形象！腾讯出手AI游戏视觉设计
腾讯混元发布游戏视觉生成平台Hunyuan-Game，提供一站式AIGC游戏内容生产引擎，涵盖四大图像生成模型和五大视频模型，助力提升游戏美术设计效率。
鹅厂放大招，混元图像2.0「边说边画」：描述完，图也生成好了
腾讯发布混元图像2.0模型，实现毫秒级响应实时生成图文。用户可通过手打Prompt、语音输入或上传参考图进行创作，支持多种风格转换与优化功能。亮点包括更大模型参数、高压缩倍率图像编解码器、多模态大语言模型作为文本编码器等。
首个多模态统一CoT奖励模型来了，模型、数据集、训练脚本全开源
腾讯混元等联合提出的新模型UnifiedReward-Think能进行长链式推理，首次让奖励模型在视觉任务上真正 ‘学会思考’。该研究提出了三阶段训练框架，并展示了其在多个视觉任务中的出色表现和可靠性。
可媲美GPT-4o的开源图像生成框架来了！腾讯联手InstantX解决角色一致性难题
腾讯混元与InstantX合作推出开源版角色生成插件InstantCharacter，基于DiTs架构实现高保真度和个性化角色创作，克服了传统方法的限制。
1秒钟生成3D模型！腾讯混元甩出5款开源3D模型，自研架构加速效果超30倍
腾讯混元一次性开源了5款全新的3D生成模型，其中3款模型实现了秒级3D资产生成，较之前版本提速30倍左右。模型在贴图细节、材质表达等方面也有明显提升，并支持多种主流格式的输出，可直接用于3D打印和分享。