Tencent опубликовала Hy-Nomas — опенсорс-модель, которая генерирует интерактивный видеомир сегментами по несколько секунд. Мир можно начать с изображения и затем менять текстовыми командами и траекторией камеры; модель сохраняет память предыдущих сегментов, позволяя продолжать сцену.
Hy-Nomas выдаёт видео 720x1280 при 24 кадрах в секунду. Модель можно запустить на одной RTX 4090, а для работы в узких областях, например робототехнике, предусмотрена адаптация LoRAi.
720x1280 при 24 кадрах в секундуразрешение и частота видео
10 с в 832x480 за 34 секундырезультат теста порта
12 ГБвидеопамять для порта