推荐标题：HunyuanVideo 怎么选 备选标题1：先拆家族关系 备选标题2：专项路线 备选标题3：按任务选择

HunyuanVideo 怎么选

“HunyuanVideo”现在不是一个模型，而是一个家族。搜索结果里同时出现原版 13B、HunyuanVideo-I2V、Avatar、Foley、Custom 和 HunyuanVideo-1.5。它们不是简单的“大、中、小版本”，而是不同时间、不同任务和不同架构的公开项目。

当前最重要的判断是：

对需要“首帧图片 + 提示词 → 720P 视频”的本地工作流，优先从 HunyuanVideo-1.5 720P I2V 完整模型开始，而不是默认选择参数更多的旧版 HunyuanVideo-I2V。

这个结论不是说旧版在每个样本上都更差，而是综合考虑任务匹配、显存、生态、推理效率和后续维护。

先拆家族时间线

一、HunyuanVideo 家族时间线

2024 年 12 月：HunyuanVideo 原版

HunyuanVideo 原版首先公开的是超过 13B 参数的文本生成视频模型。官方架构使用 Causal 3D VAE、MLLM 文本编码和“Dual-stream to Single-stream”的 Transformer 设计。[1]

它的意义主要有三点：

  1. 提供了大规模开放视频基础模型；
  2. 建立了 Hunyuan 视频 VAE、文本编码和 DiT 技术路线；
  3. 后续 I2V、Avatar 和其他衍生项目以它为基础或参考。

原版的优势是研究价值、社区积累和较大模型容量；限制是推理资源重、部署链路复杂，且最初重点是 T2V。

2025 年 3 月：HunyuanVideo-I2V

HunyuanVideo-I2V 在原版基础上加入图片条件。官方支持最高 720P、129 帧、约 5 秒；官方表格给出的 720P 峰值显存约 60GB，并建议使用 80GB GPU。[2]

它提供两种明显的动态倾向：

  • 稳定模式：--i2v-stability 与 flow-shift 7；
  • 高动态模式：关闭稳定模式并使用 flow-shift 17。

这套控制对比较“画面保持”和“动态幅度”很直观。旧版 I2V 仍有价值的场景包括：

  • 需要复现历史工作流；
  • 使用旧版 LoRA 或社区节点；
  • 对高动态模式有明确需求；
  • 作为 HunyuanVideo-1.5 的 A/B 基线。

但它不再是单卡 48GB 的最省事选项。

2025 年：Custom、Avatar 与 Foley

HunyuanVideo 家族随后扩展到多个专用任务。

HunyuanCustom

HunyuanCustom 面向可定制、主体或多条件视频生成。它更接近定制化研究和专项工作流，不应与普通首帧 I2V 混为一谈。

HunyuanVideo-Avatar

Avatar 使用图片和音频驱动角色，强调高动态、情绪控制、多风格角色和多人对话。[3] 它解决的是“让角色随音频表演”，不是通用 T2V 或普通 I2V。

HunyuanVideo-Foley

Foley 面向视频到音频或视频配音效。它把 Hunyuan 生态扩展到声音生成，任务目标与视频画面生成不同。

这些模型证明 HunyuanVideo 正在形成能力矩阵，但安装时不要因为名字相似而混用权重或工作流。

2025 年 11 月：HunyuanVideo-1.5

HunyuanVideo-1.5 于 2025 年 11 月公开推理代码和权重。它是 8.3B 的新一代模型，不是原版 13B 的简单量化或缩水版本。[4]

官方列出的关键变化包括：

  • 8.3B DiT；
  • 新的 3D Causal VAE；
  • 空间 16×、时间 4× 压缩；
  • Selective and Sliding Tile Attention；
  • 双语和字形感知文本编码；
  • T2V 与 I2V 统一能力；
  • 480P、720P、多时长；
  • 独立视频超分网络；
  • 完整模型、CFG 蒸馏、Step 蒸馏和稀疏版本；
  • 官方 Diffusers、ComfyUI、LightX2V 路线。

启用模型卸载时，官方给出的最低显存为 14GB。[4] 这使它与旧版 60GB 的 720P 门槛形成明显差异。

8.3B 不等于 13B 低配版

二、为什么 8.3B 不等于 13B 的低配版

参数量只代表容量之一。两个版本的效果不能用 13B > 8.3B 直接推断。

HunyuanVideo-1.5 改变了：

  • 潜变量压缩方式；
  • 注意力计算；
  • 数据清洗；
  • 双语条件；
  • 预训练与后训练流程；
  • 推理和超分设计；
  • 蒸馏和缓存支持。

一个重新训练的新架构可以用更少参数达到更好的综合效率。原版可能在个别纹理、动态或提示上产生更合适的结果，但没有理由把“参数更多”当成默认最高质量结论。

可靠的判断只能来自同首帧、同提示词、多 Seed 的实测。没有这一组对照时，应优先选择当前维护和部署条件更合理的版本。

1.5 是一组权重矩阵

三、HunyuanVideo-1.5 的权重矩阵

官方仓库列出多种权重，名称中的后缀会直接改变推理方式。[4]

权重方向用途选型说明
480P-T2V文本生成 480P 视频适合较低成本 T2V
480P-I2V首帧生成 480P 视频完整采样基线
720P-T2V文本生成 720P 视频高分辨率 T2V
720P-I2V首帧生成 720P 视频正式 I2V 主力候选
cfg-distill蒸馏 CFG 计算速度和调节方式与完整模型不同
step-distill4/8/12 步少步数生成适合预览和吞吐；不能等同 50 步完整模型
sparse-cfg-distill稀疏注意力与蒸馏组合对硬件和后端有额外要求
720P/1080P SR视频超分在选片后执行，不必处理所有候选

正式首帧生成应该选什么

默认基线：

HunyuanVideo-1.5 720P I2V
完整模型
核心扩散权重 FP16 或官方后端对应的 BF16
50 inference steps
CFG 6
flow shift 7
121 帧
24 fps
缓存关闭

这是“先建立最高质量可复现基线”的配置，不是最快配置。

什么时候选 480P Step-Distilled

  • 大量预览；
  • 快速筛 Prompt；
  • 低显存设备；
  • 高吞吐候选生成；
  • 可以接受模型上限变化。

官方推荐 8 或 12 步，4 步更快但会进一步降低质量。[4]

什么时候使用超分模型

先在原生 720P 选择动作和时间一致性正确的结果，再对入选片段执行 1080P 超分。超分不能修复错误动作、身份漂移或物体消失；它主要改善分辨率、锐度和部分失真。

原版 I2V 仍有保留价值

四、原版 HunyuanVideo-I2V 是否还有必要部署

有必要，但应作为第二后端，而不是第一后端。

适合保留原版的理由

  • 需要稳定/高动态模式对照；
  • 已经积累旧版 LoRA；
  • 需要验证某类动作是否在原版更强；
  • 有 80GB GPU 或成熟多卡环境；
  • 研究 Hunyuan 架构演进。

不适合作为默认起点的理由

  • 720P 官方峰值显存约 60GB；
  • 单张 48GB GPU 需要更激进的第三方量化或卸载；
  • 推理和依赖更重；
  • 当前官方生态重心已转到 1.5；
  • 对普通首帧生成，资源成本未必转化为稳定收益。

正确策略是先让 1.5 跑出 10 至 20 个代表性镜头，再针对持续失败的类型部署原版 A/B，而不是一次安装全部版本。

ComfyUI 先认权重形态

五、ComfyUI 中应该使用什么权重

ComfyUI 官方 720P I2V 工作流使用拆分后的单文件权重：[5]

models/diffusion_models/
└── hunyuanvideo1.5_720p_i2v_fp16.safetensors

models/text_encoders/
├── qwen_2.5_vl_7b_fp8_scaled.safetensors
└── byt5_small_glyphxl_fp16.safetensors

models/clip_vision/
└── sigclip_vision_patch14_384.safetensors

models/vae/
└── hunyuanvideo15_vae_fp16.safetensors

这里需要注意：

  • 核心扩散模型是 FP16；
  • Qwen 文本编码器使用官方工作流的 FP8 scaled 文件；
  • “文本编码器 FP8”不等于“主模型 FP8”；
  • 不应为了追求名义上的全 FP16，随意替换工作流未验证的编码器组合。

六、官方脚本、Diffusers 与 ComfyUI 如何选

路线优点适用场景
官方源代码参数最完整，训练和新功能优先研究、LoRA、多卡、官方基线
DiffusersPython API 统一，易嵌入服务程序化生成、自动化测试
ComfyUI可视化、显存管理、模板和 API Workflow单卡部署、创作、工作流迭代
LightX2V专用性能优化基线稳定后的吞吐优化
WanGP低显存、简化界面快速体验和消费级显卡

对首次单卡部署，ComfyUI 是最平衡的入口；对训练或完整参数控制，回到官方代码；对高吞吐，再考虑 LightX2V。

许可证不是 Apache 2.0

七、许可证不是 Apache 2.0

HunyuanVideo-1.5 使用 Tencent Hunyuan Community License Agreement。[6] 发布服务、商用或跨地域部署前，至少注意：

  • 许可地域排除欧盟、英国和韩国；
  • 发布时月活超过 1 亿的产品或服务需要向腾讯申请额外许可；
  • 不得使用 Hunyuan 作品、输出或结果改进其他 AI 模型，Hunyuan 或其衍生模型除外；
  • 许可要求遵守 Acceptable Use Policy；
  • 腾讯声明不主张用户生成输出的权利，但用户需自行负责输出和后续使用；
  • 分发、Hosted Service 和标识义务需按原文执行。

这不是法律意见。真正上线前应让法务直接阅读当前 LICENSE，而不是依赖博客摘要。

按任务选择版本

八、当前版本选型结论

首帧图片生成正式视频

首选：HunyuanVideo-1.5 720P I2V 完整版
后端：ComfyUI 官方工作流或官方 Diffusers
精度：核心主模型 FP16 / 官方源代码 BF16 路线
参数：50 steps、CFG 6、flow shift 7

快速预览与低显存

HunyuanVideo-1.5 480P I2V Step-Distilled
8 或 12 steps

高动态、旧 LoRA 和历史对照

HunyuanVideo-I2V 原版
作为专项后端，不作为默认部署

对话和音频驱动角色

HunyuanVideo-Avatar

视频声音生成

HunyuanVideo-Foley

HunyuanVideo-1.5 是当前家族中最适合先建立本地通用 T2V/I2V 工作流的版本，但它不会取代每个专用模型。

参考资料

  1. HunyuanVideo 原版官方仓库
  2. HunyuanVideo-I2V 官方仓库
  3. HunyuanCustom 官方仓库
  4. HunyuanVideo-Avatar 官方仓库
  5. HunyuanVideo-Foley 官方仓库
  6. HunyuanVideo-1.5 官方仓库
  7. Comfy-Org HunyuanVideo-1.5 720P I2V 模板
  8. HunyuanVideo-1.5 LICENSE
  9. HunyuanVideo-1.5 ComfyUI 指南

版本记录

  • 2026-07-11：母稿 v0.1，明确 1.5 是新架构而非旧版轻量量化。