Hy-Nomasとは？途中から指示を変えられる動画世界モデルの入口と動かし方

Hy-Nomasは、動画を少しずつ続けながら文章やカメラ操作で世界を変えるTencentのモデルです。公式デモ、公開モデル、単一GPU構成の違いを整理し、普通の動画生成との違いを説明します。

まず、ここだけ

Hy-Nomasは映像を区間ごとに生成し、続きの区間で対象物、動き、見た目や場面の指示を変えられるモデルです。過去の区間の情報を保持しながら次を作る仕組みを公式が説明しています。

カメラ制御にも対応し、視点や移動を変える入力を利用します。ただし、公開された生成映像の見栄えと、任意の場面で正確な操作ができることは別なので、まず短い例で確かめると違いが分かりやすくなります。

参照先[1]

モデルカードにはオンラインのインタラクティブデモへの入口があります。自分の環境で動かしたい場合は、Tencent-Hunyuanのコードとtencent/Hy-Nomasのモデル一式が出発点です。

コード側ではLinuxとNVIDIA環境、Docker構成や手動セットアップが案内されています。ブラウザの操作画面があることと、スマホ単体でモデルを動かせることは同じではありません。

参照先[1][2]

公式の単一RTX 4090構成はINT8の生成モデルやKVキャッシュ、FP8のデコーダーとCPUオフロードを組み合わせています。すべての重みをそのまま載せる通常構成とは分けて確認する必要があります。

試す際は、短い場面を延長してから一つだけ指示を変え、対象物や視点がどこまで保たれるか比べる方法があります。生成速度、待ち時間、長い場面の一貫性について、このページでは実測値を示していません。

参照先[1][2]

Tencent Hy-Nomasの公式ページ・入口はこちらブラウザや公式リンクから直接確認できます

作者の投稿や紹介を、X で確認できます。

ゲームそのものですか？

公開資料は操作可能な動画世界生成モデルとして説明しています。既存ゲームの配信や、確定したルールで動くゲームエンジンを提供するものとは異なります。

参照先[1]

どこから始めればいいですか？

公式モデルカードのTry the Demoが体験の入口です。自前で動かす場合は同じページとGitHubの実行条件を読んでください。

参照先[1]

『Tencent Hy-Nomas』の公式ページやモデルデータはどこで確認できますか？

記事内で参照している公開ページ（huggingface.co）から公式の仕様説明、デモ、またはウェイトデータを確認できます。

参照先[1]

日本語のプロンプトや日本の利用環境にも対応していますか？

公開されている仕様やデモ環境を通じて利用可能で、具体的な対応言語や入出力形式は公式ドキュメントで案内されています。

参照先[1]