从 HunyuanVideo 1.5（混元视频） 看视频模型的音画同步趋势

这个问题被问了太多次。统一回复一下。开门见山。 「新手科普」写给刚入门的朋友。老手可以跳过。 按官方与社区交叉核对的信息：HunyuanVideo 1.5（混元视频）（腾讯。HunyuanVideo 2024 年末；1.5 代 2025-2026）1.5 约 8.3B。版权口径是腾讯混元社区许可（非 Apache 2.0）：EU/UK/KR 不适用；月活超 1 亿需单独授权；禁止用其输出训练竞品。 本地跑起来的话。1.5 官方最低 14GB（开 offloading）；全精度 60GB+。推荐 80GB。 前端视角：能不能包一层 API 就用起来。决定了团队采纳速度。几个值得关注的点：步蒸馏 I2V 在 RTX 4090 上 75 秒内出片；写实人脸表现突出；Selective + Sliding Tile Attention 提速约 2 倍。 觉得有用的话。回帖告诉我。以上。—— 技术选型没有银弹。只有取舍。