Repolode
投稿する
Tencent-Hunyuan

Tencent-Hunyuan/Hy-Nomas

Hy-Nomasは、複数ターンのテキストプロンプトとカメラ入力から動画の世界を生成する、自由形式の対話型ワールド生成モデルです。

GitHub で見る
スター
521
フォーク
50
未解決の Issue
1
最終コミット
一昨日

これは何？

Hy-Nomasは、Tencent Hunyuanの動画ワールド生成モデルです。複数ターンのテキストプロンプトやカメラの軌跡で生成される世界を操作でき、永続的なKV cacheを使って各セグメントを前のセグメントから一貫性を保ちながら生成します。

このリポジトリには、学習、推論、対話型Webデモ、データアノテーション用のコードが含まれています。推論では、蒸留済みDiTを4〜8ステップのノイズ除去で実行し、DCAE-Vの潜在表現をPixelUMMデコーダーで復号します。量子化されたINT8チェックポイントとFP8デコーダーを使えば、スライディングウィンドウによる履歴管理とCPUオフロードを組み合わせて、NVIDIA RTX 4090単体で推論できます。

独自の動画データセットを使ったLoRAファインチューニングに対応しており、キャプション生成用のハーネスでローカル動画から学習データを準備できます。また、SGLang、ComfyUI、WanGPとのコミュニティ製インテグレーションがあり、Diffusersパイプラインの使用例も提供しています。

主な機能

  • 01複数ターンのテキストプロンプトから、セグメント単位で動画の世界を生成します。
  • 02テキストに加え、制御信号としてカメラの軌跡を入力できます。
  • 03INT8の重みとFP8デコードを使い、RTX 4090で単一GPU推論を実行できます。
  • 04ターンをまたいで対話的に探索できるWebデモが含まれています。
  • 05独自の動画データセットを使ったLoRAファインチューニングに対応しています。

ユースケース

  • プロンプトで操作できる対話型の動画ワールドや、ゲームのような環境のプロトタイピング。
  • 特定のビジュアルスタイルやドメインに合わせて、独自の動画データセットでLoRAアダプターをファインチューニング。
  • カメラとテキストで制御する自己回帰型動画ワールドモデルの研究。
  • 提供されているLoRAアダプターを組み合わせ、ロボティクス風またはシネマティックなシーンを生成。

クイックスタート

  1. 1

    事前に用意されたDockerイメージを取得する

    docker pull hynomasoss/hynomasoss:cu130
  2. 2

    リポジトリのルートからコンテナを起動する

    docker run --rm -it --gpus all --ipc=host --network=host -v "$PWD:/workspace/Hy-Nomas" -w /workspace/Hy-Nomas hynomasoss/hynomasoss:cu130 bash
  3. 3

    Hugging Faceからモデルの重みをダウンロードする

    hf download tencent/Hy-Nomas --local-dir /path/to/Hy-Nomas
  4. 4

    READMEに記載の推論スクリプトを実行する（先にモデルのパスとプロンプトファイルを設定）

使う前に知っておきたいこと

  • 互換性のあるNVIDIA GPUとCUDA 13.0を搭載したLinuxホストが必要です。READMEでは単一のRTX 4090での推論について説明されています。
  • モデルの重みとattention kernelのビルドはサイズが大きく、セットアップにかなり時間がかかる場合があります。
  • メタデータ上のライセンスは不明確（NOASSERTION）です。商用利用の前にLICENSEファイルを確認してください。

収録されている特集

AI 動画生成AI 動画・音声ツール

トピック

#video-generation#world-model#diffusion#lora#text-to-video#camera-control

よくある質問

Hy-Nomas とは？
Hy-Nomasは、複数ターンのテキストプロンプトとカメラ入力から動画の世界を生成する、自由形式の対話型ワールド生成モデルです。 Hy-Nomasは、Tencent Hunyuanの動画ワールド生成モデルです。複数ターンのテキストプロンプトやカメラの軌跡で生成される世界を操作でき、永続的なKV cacheを使って各セグメントを前のセグメントから一貫性を保ちながら生成します。
Hy-Nomas は無料で使えますか？ライセンスは？
Hy-Nomas は Other ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
Hy-Nomas は今もメンテナンスされていますか？
活発にメンテナンス中。Hy-Nomas の最終コミットは 2026年11月6日 です。
Hy-Nomas は何に使えますか？
プロンプトで操作できる対話型の動画ワールドや、ゲームのような環境のプロトタイピング。 特定のビジュアルスタイルやドメインに合わせて、独自の動画データセットでLoRAアダプターをファインチューニング。 カメラとテキストで制御する自己回帰型動画ワールドモデルの研究。 提供されているLoRAアダプターを組み合わせ、ロボティクス風またはシネマティックなシーンを生成。
Hy-Nomas のインストール方法は？
事前に用意されたDockerイメージを取得する: docker pull hynomasoss/hynomasoss:cu130 リポジトリのルートからコンテナを起動する: docker run --rm -it --gpus all --ipc=host --network=host -v "$PWD:/workspace/Hy-Nomas" -w /workspace/Hy-Nomas hynomasoss/hynomasoss:cu130 bash Hugging Faceからモデルの重みをダウンロードする: hf download tencent/Hy-Nomas --local-dir /path/to/Hy-Nomas READMEに記載の推論スクリプトを実行する（先にモデルのパスとプロンプトファイルを設定）
Hy-Nomas はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/Tencent-Hunyuan/Hy-Nomas

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト