HunyuanVideo 是腾讯开源的大型视频生成基础模型项目，仓库包含 PyTorch 模型定义、预训练权重以及推理/采样代码，可作为研究与应用的视频生成基座。
用途方面，HunyuanVideo 面向文本到视频生成，并可扩展至图像到视频、音频驱动人物动画与定制化视频生成等任务。官方将其定位为开源视频基础模型，目标是在视频生成性能上接近或超过领先的闭源模型。
主要能力与架构特点：模型采用统一的图像和视频生成架构，基于 Transformer 设计并使用全注意力机制，采用“双流到单流”的混合模型设计：双流阶段分别处理视频 token 和文本 token，单流阶段将二者拼接进行多模态信息融合。文本编码使用预训练的多模态大语言模型（Decoder-Only 结构），相较 CLIP 和 T5-XXL 在图文对齐、细节描述和复杂推理方面具有优势，并引入额外的双向 token refiner 增强文本特征。视频与图像通过 CausalConv3D 训练的 3D VAE 压缩到紧凑潜空间，视频长度、空间和通道压缩比分别为 4、8、16。模型还提供提示词改写模型，基于 Hunyuan-Large 微调，支持 Normal 和 Master 两种改写模式，可提升对用户意图的理解或增强构图、光照、镜头运动等描述。
使用方式：仓库提供命令行单卡推理、Gradio Web 演示、基于 xDiT 的多 GPU 并行推理（Unified Sequence Parallelism）以及 FP8 量化权重推理，FP8 可节省约 10GB 显存。安装需从仓库克隆代码，推荐手动安装使用 CUDA 12.6 或 11.8，也提供预构建 Docker 镜像。预训练模型权重需单独下载。
适用场景：适合视频生成研究、模型微调与二次开发、多模态生成实验，以及通过社区集成在 ComfyUI 等工具中进行推理。社区贡献包括 ComfyUI-Kijai、ComfyUI-Native、FastVideo、HunyuanVideo-gguf、TeaCache、RIFLEx、FramePack 等。
限制：运行需要支持 CUDA 的 NVIDIA GPU，官方在单张 80G GPU 上测试；最低显存要求为 720px×1280px×129f 需 60GB，544px×960px×129f 需 45GB，推荐 80GB 显存以获得更好生成质量，测试操作系统为 Linux。评估对比基于高质量版本，与当前发布的快速版本不同。部分具体命令行参数、支持的宽高帧设置等细节在资料中未完整展示，暂未提供。
