The Pulse
Tencent rende disponibile Hy-Nomas, un modello interattivo per mondi video
Tencent ha rilasciato Hy-Nomas, un modello di generazione video che gli utenti possono guidare con prompt testuali e percorsi della telecamera mentre crea segmenti successivi. Il rilascio comprende i pesi del modello, il codice e un benchma
AI.info Team · Scritto con l’IA · verificato ·
Hy-Nomas di Tencent promette un mondo che gli utenti possono continuare a modificare mentre il modello genera video, ma il rilascio presenta una notevole distanza tra capacità e prove disponibili: il suo benchmark conta 280 casi di test e non ha punteggi di valutazione pubblicati. Rilasciato il 23 ottobre, il modello accetta istruzioni testuali o percorsi della telecamera tra un segmento video e l’altro, mentre il rapporto tecnico di Tencent è ancora contrassegnato come «In arrivo».
Hy-Nomas modifica la scena tra un segmento e l’altro
Hy-Nomas genera video in segmenti successivi, anziché trattare un prompt come un’istruzione impartita una sola volta per ottenere un filmato completo. Gli utenti possono aggiungere oggetti, modificare una scena o il suo stile, descrivere azioni e controllare la telecamera mentre la generazione prosegue. Una cache persistente chiave-valore trasferisce il contesto dai segmenti precedenti a quelli successivi: è il meccanismo che Tencent usa per mantenere la continuità.
«Hy-Nomas è un modello di generazione di mondi video che supporta interazioni libere, a più turni, attraverso istruzioni testuali e il controllo della telecamera», afferma Tencent nella scheda del modello. Il rilascio mette a disposizione il codice per l’addestramento, l’inferenza, una demo interattiva e l’annotazione dei dati, oltre ai pesi ospitati su Hugging Face. Il progetto è distribuito con licenza Apache 2.0; la scheda del modello avverte che i componenti di terze parti restano soggetti alle rispettive licenze.
La parola «mondo» nel nome indica il video in corso di generazione, non un ambiente 3D esportabile e modificabile. La documentazione di Tencent specifica l’output video e il controllo della telecamera; non descrive un file di scena 3D né un motore di gioco. La distinzione è importante per gli sviluppatori che valutano se il modello sia adatto alla produzione video, ai prototipi interattivi o alle applicazioni che richiedono risorse 3D strutturate.
Si può usare una sola GPU, con alcuni compromessi
La configurazione standard per l’inferenza usa otto GPU in un unico gruppo di parallelismo delle sequenze. Tencent offre anche una configurazione a basso consumo di memoria per una sola NVIDIA GeForce RTX 4090, che usa pesi e cache INT8, un decoder FP8 e l’offload sulla CPU. La configurazione con una sola GPU mantiene disponibili sulla GPU fino a 18 fotogrammi latenti precedenti e archivia sulla CPU la cronologia più remota.
Questa configurazione comporta dei costi: secondo Tencent, i modelli trasferiti sulla CPU e l’archivio della cronologia in crescita richiedono una quantità sufficiente di RAM di sistema, mentre i trasferimenti tra CPU e GPU aumentano la latenza. Anche il picco di memoria GPU utilizzata varia in base alla risoluzione e alla durata del segmento. La configurazione standard distillata prevede un output di 720 × 1.280 a 24 fotogrammi al secondo con otto passaggi di denoising, ma 24 FPS è la frequenza di riproduzione del video, non un’affermazione secondo cui la generazione avviene in tempo reale.
Il benchmark da 280 casi non ha punteggi
Tencent ha rilasciato Hy-Nomas-Bench con quattro suite di test: 60 casi per il controllo testuale a più turni, 100 per la navigazione della telecamera, 60 per il controllo alternato tramite testo e telecamera e 60 per la memoria spaziale. Il pacchetto comprende 220 traiettorie di riferimento della telecamera e prompt di test che coprono ambienti reali, di gioco, generati al computer e animati. I casi richiedono video di durata compresa tra 8 e 86 secondi.
Il benchmark fornisce input di test e istruzioni, ma non video generati, fotogrammi di riferimento o di ritorno, né punteggi di valutazione. Gli sviluppatori possono eseguire i test usando il modello e il codice rilasciati, ma il pacchetto in sé non mostra come si comporti Hy-Nomas né offre un confronto con altri sistemi basato su punteggi. Le funzionalità dichiarate del modello per l’interazione e la memoria restano quindi prive di risultati di benchmark pubblicati in questo rilascio.
Demo e rapporto tecnico restano le prossime verifiche
La demo online di Tencent consente agli utenti di avviare un mondo, proseguirlo con istruzioni testuali o percorsi della telecamera e scaricare il video risultante. Per l’uso in locale, il repository include istruzioni per l’inferenza e supporto al fine-tuning LoRA su dataset video personalizzati. L’azienda elenca inoltre adattatori per il cinema e la robotica tra le risorse del modello.
I materiali disponibili stabiliscono che cosa gli sviluppatori possono scaricare e come è configurato il modello; non verificano in modo indipendente la qualità dell’output o la velocità di generazione. L’assenza di punteggi nel benchmark e il rapporto tecnico non ancora disponibile sono i limiti più evidenti per valutare oggi il rilascio. Per ora, Hy-Nomas è un sistema aperto di generazione video con controlli interattivi, una demo accessibile e una suite di test che gli utenti possono eseguire autonomamente.