腾讯混元推出了一款名为Hy-Nomas的视频世界模型,并进行了开源。该模型被定位为“自由形态交互式视频世界模型”,具备几个关键功能。首先,在交互方面,用户可以通过文本提示和镜头轨迹直接控制生成过程,意味着不仅可以描述场景,还能指定镜头运动。其次,在生成能力上,Hy-Nomas突出了两个特点:能够生成更长时间的视频和具备“世界记忆”,即在生成的过程中可以保留已有场景的信息。
在适配性方面,该模型支持轻量级的LoRA微调,特别适合于机器人等特定领域的应用。这对专注于垂直场景的团队来说,避免了从零开始训练的麻烦。
开发者需要关注的一个亮点是推理优化,官方明确表示已针对消费级GPU进行了优化。过去,视频世界模型通常需要昂贵的计算资源,而此次优化大幅降低了使用门槛。如果想要尝试,官方已提供了完整入口: 项目主页:hy-nomas.hy.tencent.com 代码仓库:GitHub上的Tencent-Hunyuan组织 模型权重:可在Hugging Face的tencent/Hy-Nomas找到 演示:项目主页下的演示页面 南宫娱乐平台
在发布时,官方给予使用者一句话:随时测试,随时反馈。