开源的大规模视频生成模型,支持文生视频、图生视频、语音生视频和角色动画。
1.8万2335PythonApache-2.0更新于 29天前
开源的交互式游戏视频生成模型,可根据参考图和键鼠操作生成可控的游戏风格视频。
Hunyuan-GameCraft 是腾讯混元推出的视频生成模型,面向交互式游戏画面。输入一张参考图、一段文本提示词,以及一串键盘或鼠标操作(如 W、A、S、D),模型即可生成跟随这些镜头运动的视频。键盘和鼠标输入会被映射到统一的相机表示空间,使各类移动之间能够平滑插值。
项目重点支持长视频延展。它采用混合历史条件训练策略,在自回归扩展视频序列的同时保留早前帧的场景信息。仓库还提供蒸馏版模型,推理步数从 50 步降至 8 步,并支持 FP8 以加快生成。
仓库包含基于 Linux 与 CUDA 的多 GPU 并行推理脚本、带 CPU 卸载的单卡低显存模式,以及基于分布式推理 API 的 Gradio 网页界面。模型权重发布在 Hugging Face 上。
克隆代码仓库
git clone https://github.com/Tencent-Hunyuan/Hunyuan-GameCraft-1.0.git创建 conda 环境
conda create -n HYGameCraft python==3.10安装 PyTorch 及 pip 依赖
python -m pip install -r requirements.txt下载预训练模型权重(参见 weights/README.md)
启动 Gradio 网页界面
bash scripts/launch_app_sp.sh概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
开源的大规模视频生成模型,支持文生视频、图生视频、语音生视频和角色动画。
开源交互式世界模型,通过流式神经渲染把低多边形画面实时转换为可操作的游戏场景。
开源的实时音频驱动数字人视频生成框架,支持流式输出与无限时长生成。
基于 Gradio 的 Stable Diffusion 网页界面,延续 Forge 分支并支持多种新模型与性能优化。
英伟达开源的语音AI工具包,用于构建、微调和部署语音识别、语音合成及语音大模型。
面向图像、视频和音频生成的开源 Diffusion 模型引擎,支持低显存推理与训练。