腾讯开源视频世界模型 Hy-Nomas:边生成边导演,单卡 4090 可跑

lmoroney · x · 2026-10-25

腾讯混元开源 Hy-Nomas,一个可「边生成边导演」的视频世界模型:按短分段自回归构建场景,段与段之间可加入角色、换风格、描述动作或指定镜头路径,靠持久 KV 缓存保持世界一致性。技术栈为分段自回归 DiT + Qwen 文本编码器 + 相机条件模块 + PixelUMM 解码器,蒸馏推理仅需 8 步去噪,输出 720×1280@24FPS。权重以 Apache 2.0 发布在 Hugging Face,标准配置需 8 卡,同时提供单张 RTX 4090 的 INT8 权重 + CPU offload 配置;还附带电影感 LoRA 和含 280 个测试用例的 Hy-Nomas-Bench。作者建议电影人把它当 previs/分镜沙盒:把场景写成一系列 5 秒节拍逐段喂入,观察世界在哪里保持连贯。