Repolode
Enviar
Tencent-Hunyuan

Tencent-Hunyuan/Hy-Nomas

Hy-Nomas é um modelo de geração interativa de mundos em vídeo que cria mundos a partir de prompts de texto em múltiplas interações e entradas de câmera.

Ver no GitHub
Estrelas
521
Forks
50
Issues abertas
1
Último commit
anteontem

O que é?

Hy-Nomas é um modelo de geração de mundos em vídeo da Tencent Hunyuan. Os usuários controlam o mundo gerado com prompts de texto em múltiplas interações ou trajetórias de câmera, e cada novo segmento dá continuidade aos anteriores usando um KV cache persistente para manter a consistência.

O repositório oferece código para treinamento, inferência, uma demo web interativa e anotação de dados. A inferência usa um DiT destilado, com 4 a 8 etapas de denoising, e um decoder PixelUMM para latentes DCAE-V. Um checkpoint quantizado INT8 e um decoder FP8 permitem fazer inferência em uma única NVIDIA RTX 4090, com histórico em janela deslizante e offload para CPU.

Há suporte a fine-tuning com LoRA em conjuntos de dados de vídeo personalizados, e um harness de captioning prepara dados de treinamento a partir de vídeos locais. O projeto também conta com integrações da comunidade para SGLang, ComfyUI e WanGP, além de um exemplo de pipeline do Diffusers.

Recursos principais

  • 01Gera mundos em vídeo segmento por segmento a partir de prompts de texto em múltiplas interações.
  • 02Aceita trajetórias de câmera como sinal de controle, além do texto.
  • 03Executa inferência em uma única GPU RTX 4090 com pesos INT8 e decodificação FP8.
  • 04Inclui uma demo web para exploração interativa ao longo de várias interações.
  • 05Oferece suporte a fine-tuning com LoRA em conjuntos de dados de vídeo personalizados.

Casos de uso

  • Prototipar mundos em vídeo interativos controlados por prompts ou ambientes no estilo de jogos.
  • Ajustar um adaptador LoRA no seu próprio conjunto de dados de vídeo para obter um estilo visual ou domínio específico.
  • Pesquisar modelos autorregressivos de mundos em vídeo com controle por câmera e texto.
  • Gerar cenas no estilo de robótica ou cinematográfico combinando os adaptadores LoRA fornecidos.

Início rápido

  1. 1

    Baixe a imagem Docker pré-empacotada

    docker pull hynomasoss/hynomasoss:cu130
  2. 2

    Inicie o contêiner a partir da raiz do repositório

    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

    Baixe os pesos do modelo do Hugging Face

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

    Execute o script de inferência do README (configure antes os caminhos do modelo e o arquivo de prompt)

Antes de usar

  • É necessário um host Linux com uma GPU NVIDIA compatível e CUDA 13.0; o README descreve a inferência com uma única RTX 4090.
  • Os pesos do modelo e as compilações do kernel de atenção são grandes e podem levar bastante tempo para configurar.
  • A licença nos metadados não está clara (NOASSERTION); confira o arquivo LICENSE antes de usar comercialmente.

Em coleções

Geração de vídeo com IAFerramentas de vídeo e áudio com IA

Tópicos

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

Perguntas frequentes

O que é Hy-Nomas?
Hy-Nomas é um modelo de geração interativa de mundos em vídeo que cria mundos a partir de prompts de texto em múltiplas interações e entradas de câmera. Hy-Nomas é um modelo de geração de mundos em vídeo da Tencent Hunyuan. Os usuários controlam o mundo gerado com prompts de texto em múltiplas interações ou trajetórias de câmera, e cada novo segmento dá continuidade aos anteriores usando um KV cache persistente para manter a consistência.
Hy-Nomas é gratuito? Qual é a licença?
Hy-Nomas é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
Hy-Nomas ainda é mantido?
Manutenção ativa. O último commit de Hy-Nomas foi em 6 de nov. de 2026.
Para que posso usar Hy-Nomas?
Prototipar mundos em vídeo interativos controlados por prompts ou ambientes no estilo de jogos. Ajustar um adaptador LoRA no seu próprio conjunto de dados de vídeo para obter um estilo visual ou domínio específico. Pesquisar modelos autorregressivos de mundos em vídeo com controle por câmera e texto. Gerar cenas no estilo de robótica ou cinematográfico combinando os adaptadores LoRA fornecidos.
Como instalar Hy-Nomas?
Baixe a imagem Docker pré-empacotada: docker pull hynomasoss/hynomasoss:cu130 Inicie o contêiner a partir da raiz do repositório: docker run --rm -it --gpus all --ipc=host --network=host -v "$PWD:/workspace/Hy-Nomas" -w /workspace/Hy-Nomas hynomasoss/hynomasoss:cu130 bash Baixe os pesos do modelo do Hugging Face: hf download tencent/Hy-Nomas --local-dir /path/to/Hy-Nomas Execute o script de inferência do README (configure antes os caminhos do modelo e o arquivo de prompt)
Onde consigo Hy-Nomas?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Tencent-Hunyuan/Hy-Nomas

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados