腾讯混元联合高校开源 Prism,实现原生 2K 视频音频联合生成

腾讯混元团队联合复旦、浙大开源 Prism 模型,代码与权重已在 Hugging Face 上线,采用 MIT 许可。Prism 是面向原生 2K 分辨率视频+音频联合生成训练的动态稀疏注意力框架,针对全注意力在高分辨率下二次方开销过高、注意力冗余等痛点,将 2K 视频-音频联合训练提速约 2.5 倍,显著降低高分辨率多模态生成的训练成本。

2026-10-06 ~ 2026-10-06 · 3 条相关

• 腾讯混元开源 Prism:动态稀疏注意力让 2K 视频-音频联合训练提速 2.5 倍 — Tencent-Hunyuan · 2026-10-06
• 腾讯混元开源 Prism：2K 视频+音频联合生成的稀疏注意力方案 — Diabolicor · 2026-10-06

另有 1 条近重复转述:linoy_tsaban