在 AIGC 视频领域，我们曾惊叹于 Seedance-2.0 等闭源系统展现出的“理解力”——它们不只是生硬地执行指令，而是能听懂复杂的意图。今天，腾讯混元团队联合浙大、南洋理工正式开源了 OmniWeaving，这标志着开源社区终于拥有了一个具备强推理、自由组合能力的全能型视频生成框架。

一、 核心进化：它不只是“画画”，它会“思考”

以往的视频模型（如早期 DiT 架构）多是“被动型”：你给一段 Prompt，它努力去匹配像素。但当面对“让图中的角色走进那段背景视频并换上中式礼服”这类复杂指令时，模型往往会“CPU烧了”。

OmniWeaving 的破局之道在于它的 MLLM + MMDiT 双引擎架构：

  1. 激活“思考模式” (Thinking Mode)： 模型内置的 MLLM 不再只是一个特征提取器，而是一个推理器。开启 --think 参数后，它会先推导用户的真实意图，生成中间推理步骤，提炼出语义更精确的“增强提示词”，再交给生成引擎。
  2. 隐藏状态深度堆叠： 借鉴了 Qwen3-VL 的思路，OmniWeaving 从 MLLM 的多个中间层提取信息，将“细粒度纹理”到“高层抽象逻辑”特征全部注入到生成过程的前几层，保证了极高的语义对齐度。

二、 全能工具箱：这 6 大任务全是“工业级”

OmniWeaving 真正做到了“All-in-One”，以下几个任务标志着它在实际生产环境中的巨大潜力：

任务标志核心能力产品经理视角下的价值
t2v / i2v文/图生视频基础款，但配合 think 模式逻辑更稳。
interpolation关键帧转视频给定首尾两张图，模型补全中间动作，动画补帧神器。
reference2v多图参考合成支持 1-4 张参考图，解决角色一致性问题的核心方案。
editing视频指令编辑像改图一样改视频，支持风格迁移和局部物体替换。
tiv2v混合编辑最强功能。把 A 图的人放入 B 视频，并按 C 指令动作。

四、 总结：开源视频生成的“分水岭”

OmniWeaving 的开源不仅仅是放出了一个权重，它更像是一个视频生成的智能中枢。通过将 MLLM 的推理能力深度融合进 DiT 流程，它解决了“生成的视频逻辑混乱”这一顽疾。

如果你正在开发 ComfyUI 自定义节点，或者在构建像 CloserAI 这样的垂直行业解决方案，OmniWeaving 的 reference2v 和 tiv2v 绝对是目前最值得研究的“底座”。

项目地址： https://github.com/Tencent-Hunyuan/OmniWeaving
评测基准： IntelligentVBench

主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。