TL;DR（三行：场景/结论/产出）
- 场景：你看到"HunyuanVideo"后面跟着 13B、I2V、Avatar、Foley、Custom、1.5 一串名字，参数从 8.3B 到 13B 不等，显存门槛从 14GB 到 80GB 横跨，你想知道当前本地工作流该选哪个。
- 结论 ：「HunyuanVideo」不是一个大模型的版本号，而是一个家族 ；对「首帧图片 + 提示词 → 720P 视频」的工作流，HunyuanVideo-1.5 720P I2V 完整版是当前最合理默认起点，旧版 I2V（13B / 60GB 显存）适合作为高动态 / LoRA 兼容 / 历史对照的「第二后端」，而不是第一后端。
- 产出：5 个项目的发布时间线、13B vs 8.3B 不是低配版的判断框架、1.5 权重矩阵 + 8 类后缀选型、ComfyUI 拆分权重目录、6 维度路线对比、Tencent Hunyuan Community License 商用红线、4 类场景选型结论、10 条常见误解速查。
版本矩阵
| 项目 | 发布时间 | 任务 | 参数量 | 显存门槛 | 许可证 | 状态 |
|---|---|---|---|---|---|---|
| HunyuanVideo 原版 | 2024-12-03（arXiv:2412.03603） | T2V | 13B | 60GB+ / 80GB 推荐 | Tencent Hunyuan Community License | ✅ 已验证 |
| HunyuanVideo-I2V | 2025-03-06 | I2V（首帧→视频） | 13B | 60GB 720P / 80GB 推荐 | Tencent Hunyuan Community License | ✅ 已验证（GitHub README News） |
| HunyuanCustom | 2025（具体日期未独立命中） | 多模态定制化视频 | ⚠️ 用户未声明 | 80GB 推荐 / 24GB 最低 | 复杂 | ⚠️ 部分验证 |
| HunyuanVideo-Avatar | 2025 | 音频驱动角色 | ⚠️ 用户未声明 | 中等 | 复杂 | ⚠️ 部分验证（技术报告公开） |
| HunyuanVideo-Foley | 2025（arXiv:2508.16930 / 2025-08） | 视频到音效 | 3B | XXL 20GB / XL 16GB（offload 8-12GB） | 复杂 | ✅ 已验证（arXiv 公开） |
| HunyuanVideo-1.5 | 2025-11-21 | T2V + I2V 统一 | 8.3B | 14GB（启用 offload） / 80GB 正式 | Tencent Hunyuan Community License | ✅ 已验证 |
| HunyuanVideo 原版架构 | Causal 3D VAE + MLLM + Dual-stream DiT | --- | --- | --- | --- | ✅ 已验证 |
| HunyuanVideo-1.5 架构 | 8.3B DiT + 全新 16×空间/4×时间 VAE + SSTA 注意力 + 双语/字形感知文本编码 | --- | --- | --- | --- | ✅ 已验证 |
| HunyuanVideo-1.5 训练数据 | 65.6% 扩充图像数据 + 83.2% 增长视频数据 | --- | --- | --- | --- | ✅ 已验证 |
| HunyuanVideo-I2V 720P 5s 8 卡推理延迟 | 337.58 秒（5.64× 加速） | --- | --- | --- | --- | ✅ 已验证（GitHub README） |
| HunyuanVideo-1.5 商用红线 | 排除 EU/UK/韩国；月活 > 1 亿需申请；不得用于改进非 Hunyuan 系模型 | --- | --- | --- | --- | ✅ 已验证（LICENSE） |
"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。
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：
- 提供了大规模开放视频基础模型；
- 建立了 Hunyuan 视频 VAE、文本编码和 DiT 技术路线；
- 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。
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。
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-distill | 4/8/12 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：
text
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。
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。
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
text
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 |
| Diffusers | Python 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。
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。
八、当前版本选型结论
首帧图片生成正式视频
text
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
text
HunyuanVideo-1.5 480P I2V Step-Distilled
8 或 12 steps高动态、旧 LoRA 和历史对照
text
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
text
HunyuanVideo-Avatar视频声音生成
text
HunyuanVideo-FoleyHunyuanVideo-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
- HunyuanVideo 原版官方仓库
- HunyuanVideo-I2V 官方仓库
- HunyuanCustom 官方仓库
- HunyuanVideo-Avatar 官方仓库
- HunyuanVideo-Foley 官方仓库
- HunyuanVideo-1.5 官方仓库
- Comfy-Org HunyuanVideo-1.5 720P I2V 模板
- HunyuanVideo-1.5 LICENSE
- HunyuanVideo-1.5 ComfyUI 指南
错误速查卡
| 症状 | 根因 | 定位 | 修复 |
|---|---|---|---|
| 把「HunyuanVideo」当成一个模型 | 实际是家族（5+ 个公开项目），发布时间、任务、参数都不同 | 看「一、HunyuanVideo 家族时间线」节 | 按项目分：原版 13B / I2V 13B / Custom / Avatar / Foley / 1.5 8.3B |
| 默认选参数最多的 13B I2V | 13B 不等于「高质量默认」；1.5 是新架构 | 看「二、为什么 8.3B 不等于 13B 的低配版」节 | 默认从 1.5 720P I2V 完整版开始；13B 留作第二后端 |
| 把旧版 I2V 当成首选项 | 60GB 显存 + 重依赖；当前官方重心已转 1.5 | 看「四、原版 HunyuanVideo-I2V 是否还有必要部署」节 | 旧版只用于稳定/高动态模式、LoRA 兼容、历史对照 |
| 在 24-48GB 单卡上默认部署原版 I2V | 13B / 60GB / 720P 的硬件门槛不匹配 | 看版本矩阵 | 改用 1.5 14GB 最低，或用 1.5 Step-Distilled 8/12 步 |
| 混淆 weight 后缀（cfg-distill / step-distill / sparse-cfg-distill） | 蒸馏路线和稀疏版本有不同推理参数 | 看「三、HunyuanVideo-1.5 的权重矩阵」表 | 正式首帧用 720P I2V 完整版；预览用 480P Step-Distilled |
| 在 ComfyUI 里把 FP8 文本编码器换成 FP16 | 工作流未验证 FP16 编码器组合 | 看「五、ComfyUI 中应该使用什么权重」节 | 严格按官方工作流的拆分目录；FP8 是文本编码器，不影响主模型精度 |
| 误把 HunyuanCustom 当成普通 I2V | Custom 是多模态定制化框架（文本+图像+音频+视频），不是单点 I2V | 看「2025 年：Custom、Avatar 与 Foley」节 | Custom 用作虚拟人广告、虚拟试穿、唱歌 avatar；普通首帧 I2V 用 1.5 |
| 误把 HunyuanVideo-Avatar 用作通用 T2V/I2V | Avatar 是音频驱动角色，输出是「角色表演」不是「视频内容」 | 看 Avatar 描述 | Avatar 用作对话/口型/情绪；通用 T2V/I2V 用 1.5 |
| 误把 HunyuanVideo-Foley 当成视频生成 | Foley 是视频→音效，不是文本→视频 | 看 Foley 描述 | Foley 用作视频配音效；不替代视频生成 |
| 假设 HunyuanVideo-1.5 用 Apache 2.0 | 实际是 Tencent Hunyuan Community License，地域排除 EU/UK/韩国，月活 > 1 亿需额外申请 | 看「七、许可证不是 Apache 2.0」节 | 上线前让法务读 LICENSE；明确月活阈值和地域限制 |