Tencent Hunyuan Teamが2024年12月3日に初めてリリースしたHunyuanVideoは、オープンソースのビデオ生成AI分野における技術的な障壁を大幅に解消したビデオファウンデーションモデルです。130億（13B）個という膨大なパラメータを搭載しており、テキストプロンプトや画像ソースを入力することで、放送およびシネマティック品質に匹敵する1080pの高解像度のビデオを生成できます。このモデルは、巨大なマルチモーダル大規模言語モデル（MLLM）を基盤としたデュアルテキストエンコーダーと、3次元変分オートエンコーダー（3D Variational Autoencoder、3D VAE）時空間圧縮アーキテクチャを組み合わせることで、テキスト指示を正確に反映すると同時に、画面全体の自然なモーションと物理的な因果関係を維持します。 従来のビデオ生成システムは、ほとんどが2D空間情報を中心にフレームを復元したり、時間軸の流れを補正するだけに留まっていたため、カメラが急速に回転したり、非線形の物理的な衝突が起こった場合に、物体の形状がぼやけたり、崩れたりする歪み（アーティファクト）を解消できませんでした。HunyuanVideoは、ビデオの時間軸と空間軸を因果的畳み込み（Causal Convolution）を基盤として圧縮する3D VAE技術を設計することで、この難題を解決しました。まるで有能なカメラマンが空間内部のすべての物理的なダイナミクスを計算しながら撮影を進めるように、シーンの切り替えやカメラの移動時にも、物体の幾何学的な形状と質感が一貫して維持されます。また、デュアルテキストエンコーダーの設計を通じて、非常に詳細で複雑な描写を含む長いプロンプト指示まで、高い整合性で画面にレンダリングします。 生命工学および基礎医学の研究者の観点からも、このような高解像度のモーション物理エンジンモデルは、非常に強力な可視化フレームワークとして活用できます。例えば、3Dタンパク質動態シミュレーションの結果や、微小流体チップ（Microfluidic chip）内部の流動解析データを、直感的な動画テンプレートに変換して、学術発表や論文の補助資料として可視化することができます。ナノリポソーム薬物送達体が脂質二重膜を貫通して細胞内に吸収される3Dレンダリングアニメーションなど、仮想的な生物学的作用機序を指示する際に、フレームが崩れないモーション生成機能を活用することで、やや粗雑になりがちな学術シミュレーションの結果を、シネマティックレベルの教育用ビデオアーカイブへと昇華させることができます。

Tencent Hunyuan Teamが2024年12月3日に初めてリリースしたHunyuanVideoは、オープンソースのビデオ生成AI分野における技術的な障壁を大幅に解消したビデオファウンデーションモデルです。130億（13B）個という膨大なパラメータを搭載しており、テキストプロンプトや画像ソースを入力することで、放送およびシネマティック品質に匹敵する1080pの高解像度の動画を生成できます。このモデルは、巨大なマルチモーダル大規模言語モデル（MLLM）を基盤とするデュアルテキストエンコーダー（Dual Text E