1. Einführung in das Tutorial

Dieses Tutorial verwendet eine einzelne RTX 4090-Karte als Ressource. Die Videogenerierung dauert etwa 10 Minuten. Für eine bessere Generierungsqualität wird die Verwendung einer GPU mit 80 GB Speicher empfohlen.

HunyuanCustom, veröffentlicht vom Hunyuan-Team von Tencent am 9. Mai 2025, ist ein multimodales, anpassbares Videogenerierungs-Framework. Es handelt sich um ein multimodales, bedingt steuerbares generatives Modell, das auf dem Hunyuan-Videogenerierungs-Framework basiert und auf thematischer Konsistenz basiert. Es unterstützt die Generierung themenkonsistenter Videos mit Text-, Bild-, Audio- und Videoeingaben. Durch die Nutzung der multimodalen Fähigkeiten von HunyuanCustom lassen sich zahlreiche Folgeaufgaben realisieren. Beispielsweise ermöglicht HunyuanCustom durch die Verwendung mehrerer Bilder als Eingabe virtuelle Werbung und virtuelle Make-up-Anproben. Entsprechende Forschungsarbeiten sind verfügbar. HunyuanCustom: Eine multimodale Architektur für die kundenspezifische Videoerstellung .

Dieses Workflow-Tutorial verwendet insgesamt die folgenden Modelldateien:

• hunyuan_video_custom_720p_fp8_scaled.safetensors
• llava_llama3_fp16.safetensors
• hunyuan_video_vae_bf16.safetensors
• clip_l.safetensor

2. Projektbeispiele

Multimodale Videoanpassung

Vielfältige Einsatzmöglichkeiten

3. Bedienungsschritte

1. Klicken Sie nach dem Starten des Containers auf die API-Adresse, um die Weboberfläche aufzurufen

Wenn „Bad Gateway“ angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Da das Modell groß ist, warten Sie bitte etwa 2–3 Minuten und aktualisieren Sie die Seite.

2. Funktionsdemonstration 

Anwendung

1. Der erste Klon erfordert den manuellen Import der Workflow-Datei zum Laden

2. Video zur Bilderzeugung

Bild auswählen

Eingabeaufforderung 

Ergebnisausgabe 

4. Diskussion

🖌️ Wenn Sie ein hochwertiges Projekt sehen, hinterlassen Sie bitte im Hintergrund eine Nachricht, um es weiterzuempfehlen! Darüber hinaus haben wir auch eine Tutorien-Austauschgruppe ins Leben gerufen. Willkommen, Freunde, scannen Sie den QR-Code und kommentieren Sie [SD-Tutorial], um der Gruppe beizutreten, verschiedene technische Probleme zu besprechen und Anwendungsergebnisse auszutauschen ↓ 

Zitationsinformationen

Die Zitationsinformationen für dieses Projekt lauten wie folgt:

@misc{hu2025hunyuancustom,
      title={HunyuanCustom: A Multimodal-Driven Architecture for Customized Video Generation}, 
      author={Teng Hu and Zhentao Yu and Zhengguang Zhou and Sen Liang and Yuan Zhou and Qin Lin and Qinglin Lu},
      year={2025},
      eprint={2505.04512},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2505.04512}, 
}