
هونیوان ویدیو ۱.۵ (آفلاین)
HunyuanVideo 1.5 (offline)ویدیوساز ۸٫۳ میلیاردی تنسنت برای کارتهای گرافیک خانگی: ساخت ویدیو از متن یا عکس در 480p و 720p با ارتقا تا 1080p؛ حداقل رسمی ۱۴ گیگابایت حافظهٔ گرافیک.
اجرا روی سیستم خودتان
این مدل را یک بار دانلود میکنید و بعد بدون اینترنت روی لپتاپ، کامپیوتر یا سرور خودتان اجرایش میکنید.
- بعد از نصب، بدون اینترنت
- وزنهای باز
- Tencent Hunyuan Community License — استفادهٔ تجاری با شرط
- فارسی: نامعلوم
بعد از دانلود فایلها، ComfyUI و مدل کاملاً بدون اینترنت کار میکنند. اگر قالب را از داخل ComfyUI باز کنید، برنامه میخواهد فایلها را خودکار از Hugging Face بگیرد؛ روی سیستم آفلاین فایلها را دستی در پوشهها بگذارید. بهروزرسانی ComfyUI هم اینترنت میخواهد. اسکریپت رسمی هم بعد از دانلود کامل پوشهٔ ckpts بدون اینترنت اجرا میشود.
استفادهٔ تجاری آزاد است مگر محصولتان بیش از ۱۰۰ میلیون کاربر ماهانه داشته باشد. استفاده از خروجی برای بهبود مدلهای دیگر ممنوع است، در بازنشر باید فایل Notice همراه باشد و اگر سرویس به دیگران میدهید باید نام ارائهدهندهٔ واقعی و نبودِ وابستگی به تنسنت را اعلام کنید. مجوز در اتحادیهٔ اروپا، بریتانیا و کرهٔ جنوبی اعتبار ندارد.
نسخهها و سختافزار لازم
- HunyuanVideo-1.5 480p (تقطیرشده)۸٫۳B
- حافظهٔ لازم:
- کارت گرافیک ۱۴ گیگ یا رم ۱۲ گیگ
حداقل رسمی ۱۴ گیگابایت با جابهجایی حافظه. مدل تقطیرشدهٔ ساخت ویدیو از عکس در 480p با ۸ یا ۱۲ گام، به گفتهٔ تنسنت روی RTX 4090 حدود ۷۵ ثانیه. فایل fp8 در مخزن Comfy-Org حدود ۸٫۳ گیگابایت است. Wan2GP ادعا میکند با ۶ گیگابایت هم اجرا میشود.
- HunyuanVideo-1.5 720p (+ارتقا به 1080p)۸٫۳B
- حافظهٔ لازم:
- کارت گرافیک ۱۴ گیگ یا رم ۱۲ گیگ
کیفیت بالاتر و کندتر؛ ComfyUI آن را برای کارتهای ۲۴ گیگابایتی معرفی کرده. نسخهٔ fp8 فقط برای مدلهای تقطیرشده منتشر شده است. مدل جدای ارتقای وضوح، خروجی را تا 1080p میبرد. رمزگذار متن Qwen2.5-VL-7B (fp8 حدود ۹٫۴ گیگابایت)، ByT5 و VAE (۲٫۵) جدا لازماند.
نصب و اجرا
- ۱
ComfyUI را نصب کنید (ویندوز)ویندوز
run_nvidia_gpu.batفایل ComfyUI_windows_portable_nvidia.7z را از صفحهٔ Releases گیتهاب ComfyUI بگیرید، از حالت فشرده خارج کنید و run_nvidia_gpu.bat را اجرا کنید. برای بهروزرسانی، update_comfyui.bat در پوشهٔ update هست. نسخهٔ Desktop هم از comfy.org/download در دسترس است.
- ۲
ComfyUI را نصب کنید (لینوکس)لینوکس
git clone https://github.com/Comfy-Org/ComfyUI.git cd ComfyUI pip install -r requirements.txtپیش از آن PyTorch مناسب کارت گرافیک را طبق README نصب کنید. روی مک، برنامهٔ Desktop از comfy.org/download سادهترین راه است.
- ۳
فایلهای نسخهٔ سبک 480p را دانلود کنیدلینوکس
cd ComfyUI/models wget -P diffusion_models https://huggingface.co/Comfy-Org/HunyuanVideo_1.5_repackaged/resolve/main/split_files/diffusion_models/hunyuanvideo1.5_480p_t2v_cfg_distilled_fp8_scaled.safetensors wget -P text_encoders https://huggingface.co/Comfy-Org/HunyuanVideo_1.5_repackaged/resolve/main/split_files/text_encoders/qwen_2.5_vl_7b_fp8_scaled.safetensors wget -P text_encoders https://huggingface.co/Comfy-Org/HunyuanVideo_1.5_repackaged/resolve/main/split_files/text_encoders/byt5_small_glyphxl_fp16.safetensors wget -P vae https://huggingface.co/Comfy-Org/HunyuanVideo_1.5_repackaged/resolve/main/split_files/vae/hunyuanvideo15_vae_fp16.safetensorsبرای ساخت ویدیو از عکس، فایل hunyuanvideo1.5_480p_i2v_step_distilled_fp8_scaled.safetensors و sigclip_vision_patch14_384.safetensors (در پوشهٔ clip_vision) را هم از همین مخزن بگیرید. در ویندوز لینکها را با مرورگر دانلود کنید.
- ۴
قالب Hunyuan Video 1.5 را باز کنید
python main.pyComfyUI را اجرا کنید (در نسخهٔ قابلحمل ویندوز همان run_nvidia_gpu.bat). در http://127.0.0.1:8188 از بخش Templates قالب «Hunyuan Video 1.5 T2V» یا «I2V» را انتخاب کنید و نام فایل مدل را با فایل دانلودشده یکی کنید.
- ۵
مسیر کمحافظه یا اسکریپت رسمیلینوکس
git clone https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5.git cd HunyuanVideo-1.5 pip install -r requirements.txtاسکریپت رسمی (generate.py) فقط لینوکس است و دانلود مدلها طبق checkpoints-download.md انجام میشود. برای کارتهای کمحافظه در ویندوز، Wan2GP (برنامهٔ جامعه) هم این مدل را اجرا میکند.
دانلود
- ComfyUI (GitHub Releases) ↗رسمی
نسخهٔ قابلحمل ویندوز و کد برنامه.
- Comfy-Org/HunyuanVideo_1.5_repackaged (Hugging Face) ↗رسمی
فایلهای آمادهٔ ComfyUI (fp16 و fp8، رمزگذار متن، VAE و ارتقای وضوح).
- tencent/HunyuanVideo-1.5 (Hugging Face) ↗رسمی
مخزن اصلی تنسنت برای اسکریپت رسمی.
- Tencent-Hunyuan/HunyuanVideo-1.5 (GitHub) ↗رسمی
کد، مجوز و راهنمای رسمی.
- Wan2GP (GitHub) ↗غیررسمی
برنامهٔ جامعه برای اجرای کمحافظه؛ در README رسمی تنسنت معرفی شده است.
نکات امنیتی
- فقط فایلهای .safetensors را از مخزنهای رسمی بگیرید؛ فایلهای .ckpt، .pt یا .pth از منبع ناشناس ممکن است هنگام بارگذاری کد مخرب اجرا کنند.
- ComfyUI را با گزینهٔ --listen روی اینترنت باز نکنید؛ پورت ۸۱۸۸ را فقط در شبکهٔ داخلی و پشت رمز عبور استفاده کنید.
- اسکریپت رسمی بستهٔ tencentcloud-sdk-python را از آینهٔ PyPI تنسنت نصب میکند؛ اگر لازم ندارید، آن را از مسیر رسمی PyPI بگیرید یا حذفش کنید.
برای شرکتها و سازمانها
برای شرکت، شرط اعلام نام ارائهدهندهٔ واقعی و ممنوعیت استفاده از خروجی برای آموزش مدلهای دیگر را در قرارداد و سرویس خود رعایت کنید. یک سرور با کارت ۲۴ گیگابایتی برای صف ComfyUI کافی است.
برنامههایی که این مدل را اجرا میکنند
آخرین بررسی: ۱۲ مهر ۱۴۰۵ · انتشار: ۲۴ آبان ۱۴۰۴
معرفی: هونیوان ویدیو ۱.۵ (آفلاین)
HunyuanVideo 1.5 مدل ویدیوساز تنسنت است که نوامبر ۲۰۲۵ منتشر شد. با ۸٫۳ میلیارد پارامتر از بیشتر رقبای متنباز سبکتر است و از متن یا عکس ویدیوی 480p یا 720p میسازد؛ یک مدل جدای ارتقای کیفیت هم خروجی را تا 1080p بالا میبرد.
برای سازندگان محتوا و تیمهای کوچک مناسب است که کارت گرافیک ۱۶ تا ۲۴ گیگابایتی دارند و ویدیوی کوتاه تبلیغاتی یا کلیپ شبکههای اجتماعی میخواهند.
سختافزار: حداقل رسمی ۱۴ گیگابایت حافظهٔ گرافیک با فعال بودن جابهجایی حافظه است. نسخهٔ تقطیرشدهٔ ساخت ویدیو از عکس در 480p با ۸ یا ۱۲ گام کار میکند و به گفتهٔ تنسنت روی RTX 4090 حدود ۷۵ ثانیه طول میکشد. Wan2GP ادعا میکند آن را با ۶ گیگابایت هم اجرا میکند.
شروع: در ComfyUI قالبهای Hunyuan Video 1.5 T2V و I2V آمادهاند و فایلهای fp8 در مخزن Comfy-Org هست. اسکریپت رسمی تنسنت فقط لینوکس را پشتیبانی میکند.
نکتهٔ مجوز: مجوز Tencent Hunyuan Community در اتحادیهٔ اروپا، بریتانیا و کرهٔ جنوبی اعتبار ندارد. استفادهٔ تجاری آزاد است مگر بیش از ۱۰۰ میلیون کاربر ماهانه داشته باشید؛ رعایت قوانین کنترل تجارت، ممنوعیت استفاده از خروجی برای بهبود مدلهای دیگر و اعلام نام ارائهدهندهٔ واقعی سرویس هم جزو شرطهاست.
بهترین کاربردها
- •با کارت گرافیک ۱۶ گیگابایتی از متن ویدیوی کوتاه بسازم
- •عکس محصول را آفلاین به ویدیوی تبلیغاتی تبدیل کنم
- •بدون اینترنت ویدیوی هوش مصنوعی 1080p بسازم
- •روی کامپیوتر خودم کلیپ کوتاه برای اینستاگرام بسازم
- •ویدیوساز متنباز را با LoRA برای سبک خودم آموزش بدهم
- •روی سرور شرکت ویدیوساز داخلی داشته باشم
برای این کارها سراغش نروید
- –ویدیو با صدا یا گفتار
- –کارت گرافیک ۸ گیگابایتی بدون تنظیمات ویژه
- –متن فارسی داخل ویدیو
تصاویر محیط ابزار
نقاط قوت
- ✓سبک برای یک ویدیوساز: ۸٫۳ میلیارد پارامتر و حداقل رسمی ۱۴ گیگابایت
- ✓مدل تقطیرشدهٔ 480p: حدود ۷۵ ثانیه روی RTX 4090 (طبق تنسنت)
- ✓ارتقای رسمی خروجی تا 1080p
- ✓قالب آمادهٔ ComfyUI و پشتیبانی Wan2GP برای کارتهای کمحافظه
- ✓کد آموزش و LoRA رسمی منتشر شده است
نقاط ضعف
- ✗دستکم ۱۴ گیگابایت حافظهٔ گرافیک و حدود ۲۰ تا ۳۰ گیگابایت دانلود (مدل، رمزگذار متن Qwen2.5-VL و VAE) لازم است
- ✗مجوز شرطدار: بیش از ۱۰۰ میلیون کاربر ماهانه مجوز جدا میخواهد و استفاده از خروجی برای بهبود مدلهای دیگر ممنوع است
- ✗اسکریپت رسمی فقط لینوکس؛ در ویندوز باید از ComfyUI یا Wan2GP استفاده کرد
- ✗فهم پرامپت فقط برای چینی و انگلیسی اعلام شده؛ فارسی تأیید نشده
- ✗ویدیوها بیصدا ساخته میشوند
پرسشهای پرتکرار
با کارت ۸ یا ۱۲ گیگابایتی اجرا میشود؟
حداقل رسمی ۱۴ گیگابایت است. Wan2GP ادعا کرده با ۶ گیگابایت هم اجرا میشود، ولی کندتر و با تنظیمات کمحافظه.
برای کار تجاری آزاد است؟
بله، با شرط: اگر محصولتان بیش از ۱۰۰ میلیون کاربر ماهانه داشته باشد باید از تنسنت مجوز بگیرید، نباید از خروجیها برای بهبود مدلهای دیگر استفاده کنید و اگر سرویس به دیگران میدهید باید نام ارائهدهندهٔ واقعی را اعلام کنید.
کیفیت 1080p هم دارد؟
مدل اصلی 480p و 720p میسازد؛ مدل جدای ارتقای کیفیت (super-resolution) خروجی را تا 1080p بالا میبرد و در ComfyUI هم هست.
پرامپت فارسی میفهمد؟
سازنده فقط فهم دوزبانهٔ چینی و انگلیسی را اعلام کرده است. پرامپت را انگلیسی بنویسید.
نظرات کاربران
هنوز نظری ثبت نشده — اولین نفر باشید!
ابزارهای مشابه
مشاهده همه
وان ۲.۲ (آفلاین)
Wan 2.2 (offline)
خانوادهٔ ویدیوساز متنباز علیبابا با مجوز Apache-2.0: مدل 5B برای کارتهای خانگی (720p) و مدلهای A14B برای کیفیت بالاتر؛ ساخت ویدیو از متن یا عکس، بدون اینترنت.

مینی مکس اچ ۳ (آفلاین)
MiniMax H3 (offline)
نخستین مدل ویدیوی وزنباز مینیمکس (۳ اوت ۲۰۲۶) و بهترین مدل باز جدول Artificial Analysis: ویدیو و صدای استریو (گفتار، افکت و موسیقی) را با هم میسازد، تا ۱۵ ثانیه در 768p. با ComfyUI یا Wan2GP روی کارت ۱۲ گیگابایتی، ۳۲ گیگابایت رم و SSD سریع اجرا میشود و کار تجاری زیر ۲۰ میلیون دلار درآمد سالانه آزاد است.

کلینگ
Kling AI
ابزار ویدئوی هوش مصنوعی کوایشو با Kling 3.0 و 3.0 Omni: متن یا عکس را به کلیپ تا ۱۵ ثانیهای با صدای همزمان تبدیل میکند؛ Omni کاراکتر را از روی ویدئوی مرجع با همان چهره و صدا در صحنههای تازه نگه میدارد.

